我是计算机视觉的新手
获取现场摄像头预览，并尝试在其中检测一个平面图像（徽标或绘画）。实时。如果发现的话，请在徽标周围绘制矩形。如果没有匹配，请不要绘制矩形。
我发现TensorFlow对象检测API是一个很好的起点。刚刚宣布了将TensorFlow模型导入Core ML的支持。
我遵循了很多教程来训练自己的对象探测器。培训数据是关键。我找到了一个很好的库来生成增强图像。我创建了数百个图像源（旋转，偏斜等...）的变化。但是它失败了！该数据集可能适合图像分类（在全屏中使用我的图像），但在上下文（房间）中不适合。
我认为转移学习是关键，就我而言，我将SSD_MOBILENET_V1_COCO模型用作基础。我试图通过随机擦除数据增强技术伪造我的增强图像的上下文。
我的解决方案是什么？我正确解决问题了吗？我需要尽可能快地进行模型培训。
我是否必须使用一些数据集进行室内外图像分类，然后将我的图像随机放在上面？这些观点有多重要？
谢谢！
I have created hundreds of variation of my image source (rotation, skew etc ...). But it has failed!
这样，这意味着您的模型没有融合或最终表现不好？如果您的模型没有收敛，请添加更多数据。"数百个样本"很少。因此，请使用更多图像并制作更多样品，并使样品分散。
I think transfer-learning is the key, In my case, I used the ssd_mobilenet_v1_coco model as a base. I tried to fake the context of my augmented image with the Random Erasing Data Augmentation technique without success.
您的意思是微调。您是否将标签减少到2（您的图像和背景）并进行了微调。如果您没有，那么您肯定会失败。哦，伙计，您至少应该告诉我您的模型定义。
What are my available solutions? Do I tackle the problem rightly? I need to make the model training as fast as possible.
为了使训练更快，只需在多个GPU上添加更多的GPU并训练。如果您没有钱，请在Azure上租用一些GPU集群。相信我，那不是那么贵。
希望帮助