Вывод прогнозируемых ограничивающих рамок, обученных по API обнаружения объектов TensorFlow

Question

Я использовал API обнаружения объектов Google TensorFlow [https://github.com/tensorflow/models][1], чтобы тренироваться на своем собственном наборе данных, используя модель Faster RCNN inception v2, и написал некоторые из моих собственных сценариев на python 3. Это довольно хорошо работает на моих видео иТеперь я хочу вывести прогнозируемые ограничивающие рамки для расчета mAP.Есть какой-либо способ сделать это?

У меня есть три файла, сгенерированных из обучения:

1. model.ckpt-6839.data-00000-of-00001
2. model.ckpt-6839.index
3. model.ckpt-6839.meta

Содержатся ли предсказанные блоки в одном из этих файлов?Или они хранятся где-то еще?Или их нужно кодировать отдельно для извлечения координат?

Answer 1

Файлы, которые вы перечислили, являются файлами контрольных точек, затем вы можете использовать их для экспорта замороженного графика и затем прогнозирования входных изображений.

После получения замороженного графика вы можете использовать этот файл object_detection_tutorial.ipynb для прогнозирования входных изображений.В этом файле функция run_inference_for_single_image вернет выходной dict для каждого изображения и содержит в нем поля обнаружения.