object-detection

0熱

1答えて

特定のチェックポイントでさらにイメージを追加し、そのチェックポイントからトレーニングを再開することは可能でしょうか？

私はtensorflowオブジェクト検出APIを評価しています。私はインターネット上で見つかった記事をいくつか見てきました。私はモデルを訓練し、オブジェクト検出をうまく評価することができました。トレーニングを開始したとき、約100枚の画像がラベル付けされていました。 TFrecordに2つまたは3つのニュース画像を追加したいと思います。これらの画像を追加した後、model_outputディレ

-1熱

1答えて

CloudMLの入力データの正しい形式

CloudMLのオブジェクト検出モデルまでジョブを送信して、予測を取得しようとしています。 RuntimeError：予測が失敗しました：入力の処理中にエラーが発生しました：予想されたuint8、 '\ xf6> \ x00 \ x01 \ x04 \ xa4d \を取得できませんでした。 x92 \ x10 \ x10 \ x10 \ x04 \ x80 \ xd9 'と入力してください。これ

0熱

1答えて

faster_rcnnとrfcnモデルのトレーニングに必要なメモリ量

私は、いくつかのトレーニングステップを経て、より高速なRCInとrfcnベースのモデルを使用して、GoogleのObject Detection APIを使用してトレーニングを行ってきました。メモリの問題であると仮定します。上記のモデルでトレーニングを始める前に、どのくらいの量の空きRAMがあると思われますか？ InvalidArgumentError（トレースバックするための上記参照）：ここは

0熱

1答えて

どのTensorflowオブジェクト検出モデルが衛星画像に最も適していますか？

私は、衛星画像を持っているデータセットを持っています。したがって、データセットは、オブジェクト検出に使用される通常の画像データセットとはまったく異なります。私はssd_mobilenet_v1_petsモデルを訓練しましたが、訓練されたモデルは本当に悪い結果を出します。それはssd_mobilenet_v1_petsは、衛星画像のための良い候補ではないことを意味するのでしょうか？私の場合、TFオ

1熱

1答えて

バウンディングボックスとラベルを画像と共にRecordIOにパックすることは可能ですか？

私はオブジェクト検出モデル（特に画像内のあるタイプのオブジェクトの複数のインスタンス）をトレーニングするためにMXNet/Gluonを使用しようとしていますが、im2recツールはバウンディングボックス情報を.recファイルに追加するようには見えません。 mxnet.recordio.pack_img()は、画像とラベルを一緒に梱包する作業を行っているようですが、ピクセルスペースにバウンディングボ

0熱

1答えて

質問画像のテンプレートと一致する画像内の異なる色のオブジェクトを認識する方法は？

import numpy as np import cv2 import os dir = 'C:\\Project\\Interview Packet' os.chdir(dir) image = cv2.imread('us_flag_color.png') template = cv2.imread('mask.png') imageGray = cv2.cvtColor

0熱

1答えて

Tensorflowオブジェクト検出のためのC/C++ APIがあります

Imagenetデータセットを事前に訓練して検出用にC/C++ APIがありますか？私はヨロを試してみました、デモ検出器./darknet -i 0 とCFG/imagenet1k.data extraction.cfg extraction.weights しかし、それは私に最終層が検出に生成しなければならないエラーが発生します唯一のpython APIがあるようにとTensorflowの

0熱

1答えて

Googleのクラウドプラットフォームトレーニング問題

システム情報 OSプラットフォームと分布：（ソースまたはバイナリ）からインストールされたWindows 10 64ビット TensorFlow：バイナリ TensorFlowバージョン：1.4.0 Pythonバージョン3.5.2（v3.5.2：4def2a2901a5、2016年6月25日、午後10時18分55秒） GPU：のNVIDIA GeForce 755M 2ギガバイトCPU：インテルは

5熱

4答えて

Tensorflowオブジェクト検出APIのテンソルフローによる推定時間が遅い

model zooでリリースされたモデルのGoogleが推論した推論時間と一致できません。特に私は彼らのfaster_rcnn_resnet101_cocoモデルを試しています。報告された推論時間はTitan X GPUの106msです。 Googleのサービスシステムでは、Googleによって公開されたDockerfileから構築されたコンテナでTF 1.4が動作しています。私のクライアントは、

1熱

1答えて

オブジェクト検出CNNの境界ボックスが画像の境界線に平行でなければならないのはなぜですか？

MASK-RCNNまたはYOLOのようなディープラーニングを利用したオブジェクト認識の最近の進歩を見ると、オブジェクトの境界ボックスは常にイメージの境界に平行であることに気付きました。これは、COCOなどの提供されたトレーニングデータの表記のためだけであり、それは基礎となるアーキテクチャによるものです。 YoloやRCNNの最後のレイヤーを見ると、イメージ内のオブジェクトのように回転している矩形