neural-network - 仅针对单个对象的对象检测

Question

我一直在研究对象检测。但是这些方法由非常深的神经网络组成，需要大量内存来存储训练好的模型。例如，我曾经尝试训练一个 Mask R-CNN 模型，权重需要 200 MB。

但是，我的重点是仅检测单个对象。所以，我想这些方法都不合适。是否有任何对象检测方法可以以低内存要求完成这项工作？

标签： neural-networkcomputer-vision

Answer 1

按照 mukul 的回答，我特别建议您查看 SSDLite-MobileNetV2。这是一个轻量级的模型，它仍然足以表现出良好的效果。尤其是当您将自己限制在一个类中时，正如您在此处的 FaceSSD-MobileNetV2 示例中所见（请注意，这是普通 SSD）。因此，您可以简单地将SSDLite-MobileNetV2 的预训练模型与相应的配置文件一起修改为单个类。这意味着更改num_classes为 1，修改 label_map.pbtxt，当然还有 - 使用您想要的单个类准备数据集。

如果你想要一个更健壮但没有预训练模式的模型，你可以使用 FPN 版本。签出 MobileNetV1 中的这个配置文件，并根据您的需要对其进行修改（例如切换到 MobileNetV2、切换到 use_depthwise 等）。一方面，没有预训练的检测模型，但另一方面，检测头在所有（相关）尺度上共享，因此训练起来更容易。因此，只需从此处从相应的分类检查点对其进行微调。