Обнаружение объектов с использованием API обнаружения объектов TFLearn или Tensorflow

Question

Я хочу построить модель обнаружения объектов и не могу понять, использовать ли API обнаружения объектов tenorflow или использовать TFLearn для построения модели. Может кто-нибудь сказать мне плюсы и минусы обоих.

Answer 1

Оба в порядке.API обнаружения объектов - это стандартная встроенная библиотека, которую можно быстро клонировать и использовать.Его полезно изучать, поскольку он популярен в отрасли по следующим причинам.

1. Это менее подвержено ошибкам.
2. Это экономит ваше время
3. Вы можете легкоиспользуйте тензорную доску для анализа статистики тренировок.
4. Он имеет встроенные архитектуры, такие как более быстрые RCNN и SSD.Вы просто должны понять, используя их.Понимание различных гиперпараметров в файле конфигурации и умение их настраивать также является навыком.

С другой стороны, если вы хотите создавать свои собственные модели, вы можете изучить тензорный поток.На самом деле они оба не являются альтернативами и должны изучаться отдельно.На самом деле, я бы также предложил прочитать исследовательские работы для алгоритмов обнаружения объектов, доступных в API.

Кроме того, тензор потока при обнаружении объектов также поможет вам в долгосрочной перспективе, работаете ли вы с алгоритмами сегментации, с авто-кодерами или чем-то еще в DNN.