Object_detection実装の詳細

Question

最近公開されたobject_detectionモデルが、Tensorflowでの使用のために、メタアーキテクチャの1つを変更する長期的な目標とともにどのように準備されているかを理解したいと思います。

メタアーキテクチャ（Faster R-CNNやSSDなど）がどのように実装されているか、またはコードを唯一の方法で調べる方法についての記事がありますか？特に、私はこれらのメタアーキテクチャが（対応する論文に記載されているように）一般的にどのように定義されているのか理解していますが、Tensorflowでどのように実装されているのか分かりません。

非常に高度な概要であっても、このコンテキスト（または無関係なモデル）でフローがどのように機能するかを記述することは非常に有用です。 （私は短いobject_detectiondocsとdetection architecture guideの承知していますが、それはそれではないです。）

特に圧倒的である何これらobject_detectionモデルを見たときに、たとえば、Kerasの背景から、relatively-を使用したモデルが定義されていることです大量のprotoとconfigのファイルには、非標準のレイヤが含まれています。さらに、protoとconfigファイルからトレーニングで使用されるファイル、例えばfrozen_inference_graph.pbファイルを取得する手順はまったく分かりません。

情報やヒントの情報源は高く評価されます。

Answer 1

先週、Faster R-CNNとSSDパイプラインのコードベースを調べました。私は非常にあなたがコードベースを通過することをお勧めします。関数/メソッドは非常によく文書化されており、対応する論文の詳細を知っていれば簡単に理解できます。 configファイルの情報がモデルにどのように影響するかを理解するために、さまざまなビルダー（ビルダー・フォルダー内）を実行することをお勧めします。トレーニングにSSDモデルを使用している場合は、対応するfunctionをmodel_builder.pyにチェックしてください。これは、configからのすべての情報を使用して、さまざまなクラスのインスタンスを構築する場所です。 model_builder.pyは、あなたがコード:)を通過するため、私はお勧め最善のアプローチはあなたの靴に戻って一週間だった誰かとして、短期であなたに答えることtrainer.py

内train()関数によって呼び出されます。