Object_detection實現細節

Question

我想了解最近發佈的object_detection模型是如何準備在Tensorflow中使用的，其長期目標是修改其中一個元架構。

有沒有關於如何實現元架構（比如更快的R-CNN或SSD）的書面文章，或者正在閱讀代碼是找出問題的唯一方法？特別是，我瞭解這些元架構是如何定義的（如相關論文中所述），但我不明白它們是如何在Tensorflow中實現的。

即使是非常高層次的概述，描述流程如何在這種情況下（或與不相關的模型）工作將非常有用。 （我知道短期object_detectiondocs和detection architecture guide的，但這不是它。）

看時，這些object_detection模型，比方說，從Keras背景是什麼特別勢不可擋，是該機型使用的是相對 - 定義大的proto和config文件的評論很少，但涉及非標準圖層。此外，從proto和config文件獲得例如frozen_inference_graph.pb文件所使用的文件的程序根本不明顯。

任何信息或提示的來源非常讚賞。

Answer 1

我上週通過了代碼庫，以獲得更快的R-CNN和SSD管道。我強烈建議你通過代碼庫。這些功能/方法有很好的文檔記錄，如果您知道相應論文的具體內容，可以很容易理解。要了解config文件中的信息如何影響模型，我建議您瀏覽各種構建器（在構建器文件夾中）。如果您正在使用SSD模型進行培訓，請檢查model_builder.py中相應的function。這是來自config的所有信息用於構建各種類的實例的地方。 model_builder.py由train()函數調用內trainer.py

所以回答你，總之，是人誰是你的鞋子一個星期後，我建議最好的辦法是讓你去通過代碼:)。