В Tenosrflow Object Detection API вы можете выбрать различные предварительно обученные модели, такие как Faster RCNN, SSD. Затем вы можете указать размер пакета в файле конфигурации
Я знаю, что для Stochastic Gradient Descent вы последовательно питаете сеть пакетами со входа.
У меня мало вопросов.
Как работает стохастический градиентный спуск в Faster RCNN? Учитывая, что сначала он имеет слой экстрактора объектов, а затем слой классификации.
Я нашел это из https://wiki.tum.de/pages/viewpage.action?pageId=22578448
Одним из больших улучшений, предоставляемых Fast R-CNN, является то, что он требует
Преимущество обмена функциями во время обучения. В тайнах, стохаситц
миниатчи с градиентным спуском (SGD) отбираются иерархически, сначала
выборка N изображений, а затем выборка R / N RoI для каждого изображения.
но я не совсем понимаю заявленный процесс. Может кто-нибудь объяснить это?
, так как одно изображение может содержать несколько объектов, при подаче его в пакетном режиме оно изучает всю серию изображений, изображение по изображению или объект по объекту?
Как SGD решает, какую партию кормить следующей?