python - TensorFlow 迁移学习加载 TFRecordDataset
问题描述
我正在尝试按照迁移学习、Jupyter notebook、教程对马的图像进行分类:
https://github.com/tensorflow/docs/blob/master/site/en/tutorials/images/transfer_learning.ipynb
我正在尝试在 Docker 中构建本地 Tensorflow 训练管道,并安装了最新的“TensorFlow Docker Image”。
我有 1000 张带标签的 JPG 图像,800x800,带有边界框和相关的 annotations.coco.json;分成训练/验证/测试文件夹。
通过使用“create_coco_tf_record.py”脚本将“annotations.coco.json”转换为 TFRecords,我设法将图像和标签部分加载到 TFRecordDatasets 中。
我正在努力了解如何转换/调整这些数据的大小以输入培训过程,特别是:
如何在转换/调整大小中使用“边界框”数据?本教程将整个输入图像的大小调整为 160x160,没有要处理的“边界框”数据。
例如,我应该剪掉包含在边界框内的图像,并调整它们的大小以输入到训练过程中吗?
与“边界框”相关联,每个图像可以有多个边界框,因此每个图像有多个标签;我们如何处理每张图像的这些“多个标签”?同样,本教程每张图片都有一个标签,因此在这方面更容易理解。
是否有更合适的教程来处理“边界框”和“每个图像的多个标签”?
解决方案
我推荐这个 repo:https ://github.com/zzh8829/yolov3-tf2来尝试微调yolov3
。它有一个完整的教程(https://github.com/zzh8829/yolov3-tf2/blob/master/docs/training_voc.md)关于如何重新训练这个yolov3
对象检测器。它还支持“检测图像中的不同对象”(我认为=您的“每个图像有多个标签”)。希望这会让你继续前进,gl!
推荐阅读
- kotlin - Kotlin 流程 - 如何处理取消
- python-3.x - Python,使用glob列出图像,使用变量时为空列表
- reactjs - 不能在 FlatList renderItem 中使用钩子
- c++ - pop rbp 后存储在 [rbp-1] 中的值会发生什么变化
- git - 为什么我没有收到错误“致命:当前分支 A 没有上游分支”。
- node.js - 如何使用 node.js 在项目根目录之外创建目录?
- sql - 从非分区表迁移到字段分区表时的问题
- ssh - 无法在 On Premise GitLab 实例上获得 SSH 连接
- javascript - 范围内所有数字的总和始终返回 0
- power-automate - Power Automate - AWS RDS Mysql 数据库连接器