Я пытаюсь выяснить, каким будет эффективный обучающий конвейер обнаружения объектов для следующей настройки:
- Версия Tensorflow 1.14
- Предварительно обученная модель из TF Object Detection API (.pb)
- Набор данных в следующем формате:
[[imgpath,label,xa,ya,xb,yb], ...] - Размер изображения ~ 3000x3000
- Средний размер блока ~ 50x50
- Всего 100 тыс. Изображений с ~ 1–20 боксами на изображение
Я прочитал учебник TF по загрузке изображений , но я не уверен, относится ли это к моим конкретнымнастройка, учитывая проблему обнаружения (в отличие от классификации).Что я получил от этого, так это использование <a href="https://www.tensorflow.org/api_docs/python/tf/data/Dataset#from_generator" rel="nofollow noreferrer">Dataset.from_generator()</a> или <a href="https://www.tensorflow.org/api_docs/python/tf/data/experimental/CsvDataset" rel="nofollow noreferrer">CsvDataset()</a> для создания набора данных из моего CSV.
Я не могу позволить себе загружать все изображения в память, и так как у меня много таких наборов данных,решение TFRecords кажется неэффективным (я должен был бы сохранить tfrecords для каждого набора данных).
Следующее изображение представляет идею очень высокого уровня:
Какие функции TF я должен использовать для такого обучающего конвейера и данных?