Меня спросили об этом на другом форуме, но я решил опубликовать его здесь для всех, у кого возникли проблемы с TFRecords.
API обнаружения объектов TensorFlow может вызывать странное поведение, если метки в файле TFRecord не совпадают с метками в вашем файле label.pbtxt. Он будет работать, потери, скорее всего, уменьшатся, но сеть не будет производить хорошие обнаружения.
Кроме того, я, например, всегда путаюсь между X-Y, пробелами строки-столбца, и поэтому мне всегда нравится перепроверять, чтобы убедиться, что мои аннотации на самом деле помечают нужные части изображения.
Лучший способ, который я нашел, - это декодировать TFRecord и строить его с помощью инструментов TF. Вот код ниже:
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
from object_detection.utils import visualization_utils as vu
from object_detection.protos import string_int_label_map_pb2 as pb
from object_detection.data_decoders.tf_example_decoder import TfExampleDecoder as TfDecoder
from google.protobuf import text_format
def main(tfrecords_filename, label_map=None):
if label_map is not None:
label_map_proto = pb.StringIntLabelMap()
with tf.gfile.GFile(label_map,'r') as f:
text_format.Merge(f.read(), label_map_proto)
class_dict = {}
for entry in label_map_proto.item:
class_dict[entry.id] = {'name':entry.display_name}
sess = tf.Session()
decoder = TfDecoder(label_map_proto_file=label_map, use_display_name=False)
sess.run(tf.tables_initializer())
for record in tf.python_io.tf_record_iterator(tfrecords_filename):
example = decoder.decode(record)
host_example = sess.run(example)
scores = np.ones(host_example['groundtruth_boxes'].shape[0])
vu.visualize_boxes_and_labels_on_image_array(
host_example['image'],
host_example['groundtruth_boxes'],
host_example['groundtruth_classes'],
scores,
class_dict,
max_boxes_to_draw=None,
use_normalized_coordinates=True)
plt.imshow(host_example['image'])
plt.show()