我正在尝试在自定义的，相对容易的数据集上执行对象检测（大约30k样本） . 我已成功使用Faster_RCNN和Resnet101_v1（最终mAP 0.9）和inception_resnet_v2特征提取器（正在进行培训） . 现在我希望我的模型运行得更快，但仍然保持良好的性能，所以我想比较我的模型，运行各种版本的mobile_net的SSD . 但是，要知道哪些性能变化来自SSD以及哪些来自功能提取器，我还想尝试使用mobile_nets进行Faster-RCNN . 这也有可能在性能和推理时间之间产生我需要的折衷（更快的RCNN是好的和慢的，而mobile_nets是快的） .
原来MobileNets paper提到将它与更快的RCNN一起使用，我猜他们使用的是tensorflow模型检测API，所以他们可能已经发布文件以使MobileNets适应更快的RCNN？
如何使mobile_nets与Faster-RCNN兼容？
3 回答
简而言之，需要创建Faster-RCNN Feature Extractor的MobileNet版本 . 这是我们正在寻找的内容，但不是当前的优先事项 .
我显然不是专家，但据我所知，你不能使用rapid_rcnn的移动网络，移动网络基于yolo，这是与faster_rcnn不同的架构 .
Google最近发布了其对象检测模型 .
您可以使用此API（Xception，Inception ResNet，DenseNet或Mobile Net）使用当前对象检测器轻松替换特征提取器 .
许多物体识别系统中有两个共同的部分 . 第一部分是特征提取器（从图像输入中提取边缘，线条，颜色等特征） . 第二部分是对象检测器（更快的R-CNN，SSD，YOLOv2） .