После того, как я переобучил предварительно обученную модель ssd mobilenet v1 своим собственным набором данных изображений с помощью сценария object_detection \ model_main.py, я экспортировал оба .pb стоп-кадра (с помощью сценария export_inference_graph.py)
python models\research\object_detection\export_inference_graph.py
--input_type image_tensor
--input_shape=1,300,300,3
--pipeline_config_path ssd_mobilenet_v1_test.config
--trained_checkpoint_prefix training/model.ckpt
--output_directory export\freeze\
иГрафик .tflite (с помощью сценария export_tflite_ssd_graph.py и tflite_convert).
python models\research\object_detection\export_tflite_ssd_graph.py
--input_type image_tensor
--pipeline_config_path ssd_mobilenet_v1_test.config
--trained_checkpoint_prefix training/model.ckpt
--output_directory export\tflite\
--max_detections 16
--add_postprocessing_op=true
tflite_convert
--output_file=export\tflite\model.tflite
--graph_def_file=export\tflite\tflite_graph.pb
--input_shapes=1,300,300,3
--input_arrays=normalized_input_image_tensor
--output_arrays=TFLite_Detection_PostProcess,TFLite_Detection_PostProcess:1,TFLite_Detection_PostProcess:2,TFLite_Detection_PostProcess:3
--inference_type=QUANTIZED_UINT8
--mean_values=128
--std_dev_values=128
--default_ranges_min=0
--default_ranges_max=6
--allow_custom_ops
График Pb, кажется, работает очень хорошо, но tflite one false обнаруживает все на Android, поэтому я получаю 16 из 16 возможных обнаружений, независимо от того, какое изображение я передаю ему, даже изображение, заполненное черным цветом (Я тестирую его на устройстве Android. Он хорошо работает с предварительно обученной моделью).
Изменение параметров конвертации, таких как отключение / включение квантования, стандартное изображение / среднее ничего не изменило.Я также сравнил свой график tflite с примером графика mobilenet, и они выглядят очень похоже.Есть идеи, что может вызвать эту проблему?
(windows 10 / cuda 9.0 / cudnn 7.0 / tf-nightly-gpu / models-master)