Обнаружение Tensorflow Object - Избегайте перекрывающихся блоков - PullRequest
Новая
       7

Обнаружение Tensorflow Object - Избегайте перекрывающихся блоков

0 голосов
/ 05 февраля 2019

Введение: я новичок в машинном обучении, и мне и моему коллеге приходится реализовывать алгоритм обнаружения светофоров.Я скачал предварительно обученную модель (быстрее rcnn) и провел несколько тренировочных шагов (~ 10000).Теперь при использовании алгоритма обнаружения объектов из репозитория tenorflow git обнаружено несколько светофоров в одной области.

Я провел небольшое исследование и обнаружил функцию "tf.image.non_max_suppression", но не могу заставить ее работатькак задумано (честно говоря, я даже не могу заставить его работать).

Я предполагаю, что вы знаете пример кода обнаружения объектов tf, поэтому вы также знаете, что все поля возвращаются с использованием словаря (output_dict).

Чтобы "очистить" ящики, которые я использую: 

selected_indices = tf.image.non_max_suppression(
        boxes           = output_dict['detection_boxes'],
        scores          = output_dict['detection_scores'],
        max_output_size = 1,
        iou_threshold   = 0.5,
        score_threshold = float('-inf'),
        name            = None)

Сначала я подумал, что могу использовать selected_indices в качестве нового списка ящиков, поэтому я попробовал это: 

vis_util.visualize_boxes_and_labels_on_image_array(
      image                      = image_np,
      boxes                      = selected_indices,
      classes                    = output_dict['detection_classes'],
      scores                     = output_dict['detection_scores'],
      category_index             = category_index,
      instance_masks             = output_dict.get('detection_masks'),
      use_normalized_coordinates = True)

но когда я заметил, что это не работает, я нашел необходимый метод: "tf.gather ()".Затем я запустил следующий код: 

boxes = output_dict['detection_boxes']
selected_indices = tf.image.non_max_suppression(
    boxes           = boxes,
    scores          = output_dict['detection_scores'],
    max_output_size = 1,
    iou_threshold   = 0.5,
    score_threshold = float('-inf'),
    name            = None)

selected_boxes = tf.gather(boxes, selected_indices)

vis_util.visualize_boxes_and_labels_on_image_array(
      image                      = image_np,
      boxes                      = selected_boxes,
      classes                    = output_dict['detection_classes'],
      scores                     = output_dict['detection_scores'],
      category_index             = category_index,
      instance_masks             = output_dict.get('detection_masks'),
      use_normalized_coordinates = True)

, но даже этот не работает.Я получаю AttributeError (у объекта 'Tensor' нет атрибута 'tolist') в visualization_utils.py в строке 689.

1 Ответ

0 голосов
/ 06 июня 2019

Таким образом, чтобы получить коробки в правильном формате, вам нужно создать сеанс и оценить тензор следующим образом: 

suppressed = tf.image.non_max_suppression(output_dict['detection_boxes'], output_dict['detection_scores'], 5) # Replace 5 with max num desired boxes

sboxes = tf.gather(output_dict['detection_boxes'], suppressed)
sscores = tf.gather(output_dict['detection_scores'], suppressed)
sclasses = tf.gather(output_dict['detection_classes'], suppressed)

sess = tf.Session()
with sess.as_default():
    boxes = sboxes.eval()
    scores =sscores.eval()
    classes = sclasses.eval()

vis_util.visualize_boxes_and_labels_on_image_array(
      image_np,
      boxes,
      classes,
      scores,
      category_index,
      instance_masks=output_dict.get('detection_masks'),
      use_normalized_coordinates=True,
      line_thickness=8)
...