Получение классификации обрезанного изображения по тензорному потоку с помощью inceptionV3 Model - PullRequest
Новая
       49

Получение классификации обрезанного изображения по тензорному потоку с помощью inceptionV3 Model

0 голосов
/ 04 июля 2018

У меня есть предварительно обученный CocoModel из Tensorflow OD, и я переобучил его в наборе данных Kitti.

Я просто хотел попробовать классифицировать обрезанное изображение, но нет четкой документации, как называются тензоры. Когда я пытался использовать скрипт классификации с помощью Tensorflow, он говорит, что в модели inceptionV3 нет названных тензоров, подобных этому.

Кто-нибудь уже пробовал это и знает название тензоров?

Результатом должен быть список возможных меток / классов с их оценками!

Заранее спасибо за помощь

Привет! спасибо за быстрый ответ.

Чтобы получить обзор:

  1. Я использовал подходящую модель от MSCOCO для обнаружения объекта
  2. Я обучил модель на наборе данных KITTI с 100 изображениями
  3. Я экспортировал inference_graph и классифицировал другие изображения.
  4. Я предоставил Пользователю инструмент маркировки, чтобы получать изображения с метками и исправлять их. В качестве функции, которую я хотел реализовать:

a) Рисование собственных ограничительных рамок и их маркировка (отлично работает с Canvas и Angular)

б) Отправьте эту обрезанную ограничивающую рамку на мой сервер и получите предложения по классам от моей модели => вот проблема !!! Мне нужны имена тензоров для классификации.

Я пытался переписать собственный тензорный поток classify_image.py https://github.com/tensorflow/models/blob/master/tutorials/image/imagenet/classify_image.py

1 Ответ

0 голосов
/ 06 июля 2018

Если ваш вопрос касается только названия тензора, этот фрагмент может помочь, 

ops = tf.get_default_graph().get_operations()
all_tensor_names = {output.name for op in ops for output in op.outputs}
tensor_dict = {}
for key in [
                'num_detections', 'detection_boxes', 'detection_scores',
                'detection_classes', 'detection_masks'
            ]:
tensor_name = key + ':0'
if tensor_name in all_tensor_names:
    tensor_dict[key] = tf.get_default_graph().get_tensor_by_name(
                        tensor_name)

рабочий пример кода здесь, https://github.com/dennywangtenk/balder/blob/master/Samples/test_pk_v1.py

...