使用Tensorflow对象检测API检测图像中的小对象
我想使用Tensorflow对象检测API来识别一系列网络摄像头图像中的对象。在COCO数据集上预先训练的更快的RCNN模型似乎是合适的，因为它们包含我需要的所有对象类别。
但是，我想提高模型在识别每个图像中相当小的对象时的性能。如果理解正确，我需要编辑配置文件中的anchorscales参数，以使模型使用更小的边界框。
我的问题是：
- 调整此参数后，是否需要在整个COCO数据集上重新训练模型？或者有没有一种方法可以仅仅为了推理而改变模型，并避免任何重新训练
我目前正在向模型提供1280x720图像。在200x150像素左右，我发现很难检测到物体。
共有1个答案
>
拥有更高分辨率的特征图应该会有所帮助（但会减慢过程），因此，更改特征提取器以获得输入大小减少较少的特征图（最大跨步池）
-
我想在车牌（城市名称）中实现目标检测。我有一个形象： 我想检测图像是否包含单词“”： 我尝试了使用OpenCV和MATLAB的模板匹配方法，但是在其他图像上测试的结果很差。 有谁能帮我或者给我一个逐步解决的方法吗？我有一个项目来识别车牌，我们可以识别和检测数字，但我需要检测和识别字（它是相同的字与更多的车）
-
在运行Android TF Detect演示并使用我重新训练的3类ssd_mobilenet_v1_coco模型时，我的TF Detect演示崩溃，给出一个IndexOutOfBoundException 12-26 17:53:13.931 224 29-25212/org.tensorflow.demo E/AndroidRuntime：致命异常：推断进程：org.tensorflow.dem
-
我已经根据提供的文档正确安装了Tensorflow对象检测API。然而，当我需要训练我的网络时，没有训练。研究/object\u检测目录中的py文件。我能做些什么来解决这个问题吗？ 链接：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md
-
当我试图在Github上使用自己的指南测试tenstorFlow目标检测API时发生了一个错误我在运行他们指南中提到的测试脚本时遇到了以下错误 python对象检测/构建器/模型构建器测试。py/home/appu/anaconda3/envs/ml/lib/python3。6/importlib/_引导。py:219:RuntimeWarning:compiletime模块“tensorflow
-
我从网络摄像头中添加了目标检测代码，当我运行此代码时，它会显示检测2-5秒，然后在imshow窗口中显示未响应。 注： > 我用的是cv2。等待键（1），cv2。waitKey（0）也是，结果相同。 我正在使用tensorflow gpu，它检测到我的gpu:1050ti。 但是OpenCV使用CPU来显示图像。 更新部分： [已解决]我刚刚创建了新的conda环境并安装了tensorflow版本
-
问题内容： 我想用JAXB将我的pojo转换为json，我的pojo具有一对多的关系，当我将pojo转换为json时，JAXB会产生错误“在对象图中检测到一个循环。这将导致无限深的XML”。 我从网上读到，可以通过@XmlID和@XmlIDREF的帮助解决此问题，但是有一个问题，我的Id属性不是String类型，而是Long。据我所知，@ XmlID只能与String属性一起使用。 其他网站建议使
-
还是由于 JavaScript 的限制，Vue 不能检测对象属性的添加或删除： var vm = new Vue({ data: { a: 1 } }) // `vm.a` 现在是响应式的 vm.b = 2 // `vm.b` 不是响应式的 对于已经创建的实例，Vue 不能动态添加根级别的响应式属性。但是，可以使用Vue.set(object, key, value)方法向嵌