物体检测- TensorFlow 工作原理 - Amazon SageMaker

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

物体检测- TensorFlow 工作原理

物体检测- TensorFlow 算法将图像作为输入并预测边界框和物体标签。各种深度学习网络 MobileNet,例如、 ResNet、Inception 和,在物体检测方面 EfficientNet 都非常准确。还有一些在大型图像数据集上训练的深度学习网络,例如上下文中的常见对象 (COCO),它有 328,000 张图像。使用COCO数据对网络进行训练后,您可以针对具有特定重点的数据集对网络进行微调,以执行更具体的物体检测任务。Amazon SageMaker Object Detection- TensorFlow 算法支持在模型花园中可用的许多预训练 TensorFlow模型上进行迁移学习。

根据训练数据中类别标签的数量,对象检测层将附加到您选择的预训练 TensorFlow 模型上。然后,您可以在新训练数据上,对整个网络(包括预训练模型)进行微调,也可以仅对顶层分类层进行微调。使用这种迁移学习方法就可以通过较小的数据集进行训练。