[英]Export TFlite ssd-mobilenet without NMS and with bounding boxes decoding logic using Tensorflow Object Detection API
[英]How to train a ssd-mobilenet from scratch
如何在沒有轉移學習的情況下從 tensorflow 對象檢測模型動物園重新訓練 ssd-mobilenet-v2。 我的意思是每個重量,而不僅僅是最后一層。
我是否必須構建網絡架構和用於訓練的腳本,或者我可以對 .config 文件或有關訓練自定義對象檢測器的文檔中指定的 train.py 腳本進行一些小的更改。
這種方法會提高/惡化網絡的准確性/損失嗎?
在此先感謝您的幫助。
首先,默認情況下所有參數都被重新訓練,除非你在 pipeline.config 中另外定義。
有一個名為pipeline.config的文件,可用於控制訓練過程。 https://github.com/tensorflow/models/blob/master/research/object_detection/samples/configs/ssd_mobilenet_v2_coco.config
在配置文件中,您可以定義是否要從檢查點加載模型參數。 您可以選擇多種操作: 1. 加載主干的參數(即您的移動網絡特征提取器) 2. 加載預測和回歸頭的參數。 3.不要加載參數(通常你不會喜歡這個——訓練和收斂需要更長的時間)
更具體地說,您應該關注 pipline.config 中的以下節點:
例子:
153 fine_tune_checkpoint: "<PATH-TO-DOWNLOADED-CKPT>/model.ckpt"
154 fine_tune_checkpoint_type: detection
155 load_all_detection_checkpoint_vars: true
所有參數都將被加載和重新訓練。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.