Cómo TensorFlow funciona la detección de objetos

El TensorFlow algoritmo de detección de objetos toma una imagen como entrada y predice los cuadros delimitadores y las etiquetas de los objetos. Varias redes de aprendizaje profundo MobileNet, como Inception ResNet, EfficientNet son muy precisas para la detección de objetos. También hay redes de aprendizaje profundo que se entrenan con conjuntos de datos de imágenes de gran tamaño, como Common Objects in Context (COCO), que tiene 328 000 imágenes. Tras entrenar una red con datos de COCO, puede ajustarla en un conjunto de datos, con el objetivo principal de llevar a cabo tareas de detección de objetos más específicas. El TensorFlow algoritmo Amazon SageMaker Object Detection admite el aprendizaje por transferencia en muchos modelos previamente entrenados que están disponibles en el TensorFlow Model Garden.

Según el número de etiquetas de clase que figuren en tus datos de entrenamiento, se adjunta una capa de detección de objetos al TensorFlow modelo previamente entrenado que elijas. Luego, puede ajustar toda la red (lo que incluye el modelo prentrenado) o solo la capa de clasificación superior en los nuevos datos de entrenamiento. Con este método de aprendizaje por transferencia, es posible llevar a cabo el entrenamiento con conjuntos de datos más pequeños.