TFLite model maker 自定义 object 检测器训练使用 tfrecord

Question

I am trying to train a custom object detector using tflite model maker ( https://www.tensorflow.org/lite/tutorials/model_maker_object_detection ). 我想将训练有素的 tflite model 部署到珊瑚 edgeTPU。 我想使用 tensorflow tfrecord（多个）作为训练 model 的输入，例如 object 检测 ZDB974278714CA8ACE3634。 我尝试使用tflite_model_maker.object_detector.DataLoader( tfrecord_file_patten, size, label_map, annotations_json_file=None )但我无法解决它。 我有以下问题。

• 是否可以像上面提到的那样对培训进行 tfrecord 记录？
• 是否也可以通过多个 CSV 文件进行训练？

Answer 1

对于多个 CSV 文件，您可能只是 append 一个文件到另一个文件。 然后你只需要传递一个 csv 文件。

至于传递一个 tfrecord ，这应该是可能的。 我也在尝试这样做，所以如果我能正常工作，我会更新我的帖子。 看源码，看来from_cache是内部使用的function。 按照该结构，应该能够类似地创建 DataLoader object：

DataLoader(tfrecord_file_patten, meta_data['size'],
                      meta_data['label_map'], ann_json_file)

快速浏览一下from_csv ，我注意到它返回了一个名为data的列表，在 append 看来，这可能是多个DataLoader对象。 因此，如果创建DataLoader不起作用，也许尝试将其包装在一个列表中，例如tfrecord_dl = [DataLoader(tfrecord_file_patten, meta_data['size'], meta_data['label_map'], ann_json_file)] 。

虽然我还没有尝试过，所以这些只是我最初的想法。 如果您分享您尝试过的内容，我们可以仔细查看实际出了什么问题。