我想重新训练最后一个开始或移动网络层,以便它将我自己的对象分类(约5-15)我也希望这与INPUT_SIZE == 64x64或32x32(不像默认的初始模型224)一样
我发现了一些关于再培训模型的文章:https://hackernoon.com/creating-insanely-fast-image-classifiers-with-mobilenet-in-tensorflow-f030ce0a2991 https://medium.com/@daj/creating-an-image-classifier-on-android-using-tensorflow-part-3-215d61cb5fcd
对于mobilenet,他们说
输入图像大小,'224','192','160'或'128'
所以我可以't train with 64 or 32 (it'不好)https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/image_retraining/retrain.py#L80
初始模型怎么样?我能以某种方式训练模型以使用小图像输入尺寸(以更快地获得结果)吗?
我想从这些小图像中分类的对象将从其父图像中被裁剪(例如从相机框架中),它可能是由最快的级联分类器(LBP / Haar)裁剪的交通/道路标志,这些分类器经过训练以检测所有看起来像标志的形状/图形(三角形/菱形,圆形)所以64x64图像完全包含/只包含感兴趣的对象应该足够分类
2 回答
不,你仍然可以,使用最小的选项,它将是128.它只会扩展您的32或64图像,这很好 .
分类员不可能
但它有可能用于tensorflow对象检测api(我们可以设置任何输入大小)https://github.com/tensorflow/models/tree/master/research/object_detection