在API上使用Tensorflow对象检测的更快RCNN



我使用Tensorflow 1.x版本训练了一个更快的RCNN模型(faster_RCNN_resnet50_coo_2018_01_28/faster_RCNN _resnet500_coo(。这是Tensorboard上的结果Tensorboard损失值

我走了大约40万步后就停止了训练。在测试数据集上测试它,我发现它在同一个对象上输出多个边界框,有时是同一类的,有时是不同类的。以下是一些例子:的第一个例子

的第二个例子

我怎么能强迫它画出一个得分最高的边界框,我应该对它进行更多的训练吗?

您可以在推理代码中增加分数阈值。从你的第一个例子中可以看出,有两个边界框,如果你的阈值超过80%,你只会得到一个。

另一个解决方案是非最大值抑制(NMS(技术。您可以在PyImageSearch中找到代码。

非最大值抑制(NMS(是许多计算机视觉算法中使用的一种技术。这是一类从许多重叠实体中选择一个实体(例如边界框(的算法。

相关内容

最新更新