操作系统:WINDOWS7
python:3.6
tensorflow:1.15.0
目标检测models:1.13
在下刚开始学习tensorflow的,在终于搭建好tensorflow环境之后,试着用jupyter notebook运行了演示demo(models\research\object_detection\object_detection_tutorial.ipynb),然后用自己的图片替换测试图片,结果发现识别的效果极差,简直惨不忍睹。
PB文件我用的是“ssd_mobilenet_v1_coco_2017_11_17”预训练模型文件夹中缺省的frozen_inference_graph.pb,修改的代码如下(其它部分基本没改动):
# What model to download.
MODEL_NAME = 'ssd_mobilenet_v1_coco_2017_11_17'
MODEL_FILE = MODEL_NAME + '.tar.gz'
DOWNLOAD_BASE = 'http://download.tensorflow.org/models/object_detection/'
# Path to frozen detection graph. This is the actual model that is used for the object detection.
PATH_TO_FROZEN_GRAPH = MODEL_NAME + '/frozen_inference_graph.pb'
# List of the strings that is used to add correct label for each box.
PATH_TO_LABELS = os.path.join('data', 'mscoco_label_map.pbtxt')
我试着按https://blog.csdn.net/chenmaolin88/article/details/79357263的做法,下载了那些小浣熊的图片,自己训练,步骤设置为3000次,完成后用网上找的小浣熊图片进行测试,结果都要好得多。这让我非常疑惑:
为什么这个tensorflow官方提供的“ssd_mobilenet_v1”训练模型对人的识别效果如此之差,是我打开的方式不对吗,还是说这个PB模型本身只是个范例而已,只能到这种程度?
如果我想要得到更好的行人/人群检测效果,比如接近这样的训练模型,请问该去哪里学习和获取呢?: