Предел ограничительной рамки Tensorboard в eval изображений

Question

image1 image2 Если посмотреть на результаты eval по обучению тензорной доске модели обнаружения объекта, то создаются не все ограничивающие рамки вокруг каждого объекта.Поскольку количество отображаемых ограничивающих рамок ограничено, это может привести к путанице в результатах моих тренировок.Когда я создаю свой граф вывода и проверяю его, я могу изменить код, если нет ограничений на количество ограничивающих блоков.Поэтому хотелось узнать, где можно сделать то же самое для тензорной доски.

max_boxes_to_draw=None

vis_util.visualize_boxes_and_labels_on_image_array( image_np, output_dict['detection_boxes'], output_dict['detection_classes'], output_dict['detection_scores'], category_index, instance_masks=output_dict.get('detection_masks'), max_boxes_to_draw=None, use_normalized_coordinates=True, line_thickness=8)

Этот код взят из ноутбука object_detection_tutorial Jupyter, который был снабжен тензором.Мне пришлось добавить строку выше, чтобы заставить это работать, как показано на рисунках.

Answer 1

В файле конфигурации добавьте поле max_num_boxes_to_visualize и измените его на большее значение. если не добавлено, значением по умолчанию является 20. Например

eval_config: {
  num_examples: xxxx
  max_num_boxes_to_visualize: 100
  # Note: The below line limits the evaluation process to xx evaluations.
  # Remove the below line to evaluate indefinitely.
  max_evals: xxx
}

это установит значение 100.