Object_detection实现细节

Question

我想了解最近发布的object_detection模型是如何准备在Tensorflow中使用的，其长期目标是修改其中一个元架构。

有没有关于如何实现元架构（比如更快的R-CNN或SSD）的书面文章，或者正在阅读代码是找出问题的唯一方法？特别是，我了解这些元架构是如何定义的（如相关论文中所述），但我不明白它们是如何在Tensorflow中实现的。

即使是非常高层次的概述，描述流程如何在这种情况下（或与不相关的模型）工作将非常有用。 （我知道短期object_detectiondocs和detection architecture guide的，但这不是它。）

看时，这些object_detection模型，比方说，从Keras背景是什么特别势不可挡，是该机型使用的是相对 - 定义大的proto和config文件的评论很少，但涉及非标准图层。此外，从proto和config文件获得例如frozen_inference_graph.pb文件所使用的文件的程序根本不明显。

任何信息或提示的来源非常赞赏。

Answer 1

我上周通过了代码库，以获得更快的R-CNN和SSD管道。我强烈建议你通过代码库。这些功能/方法有很好的文档记录，如果您知道相应论文的具体内容，可以很容易理解。要了解config文件中的信息如何影响模型，我建议您浏览各种构建器（在构建器文件夹中）。如果您正在使用SSD模型进行培训，请检查model_builder.py中相应的function。这是来自config的所有信息用于构建各种类的实例的地方。 model_builder.py由train()函数调用内trainer.py

所以回答你，总之，是人谁是你的鞋子一个星期后，我建议最好的办法是让你去通过代码:)。