物體檢測的 TensorFlow 工作原理

對象檢測- TensorFlow 算法將圖像作為輸入和預測邊界框和對象標籤。各種深度學習網路，例如 MobileNet、 ResNet、Inception，並且對於物體偵測具 EfficientNet 有高度準確度。還有一些深度學習網路會針對大型映像資料集進行訓練，例如內容中的常見物件 (COCO)，其中包含 328,000 個映像。使用 COCO 資料訓練網路之後，您可以在具有特定焦點的資料集上微調網路，以執行更多特定的物件偵測任務。Amazon SageMaker 物件偵測 TensorFlow 演算法支援在 TensorFlow模型花園中提供的許多預先訓練模型上進行轉移學習。

根據訓練資料中的班級標籤數量，物件偵測層會附加至您選擇的預先訓練 TensorFlow 模型。然後，您可以微調整個網路 (包含預先訓練的模型)，或僅微調新訓練資料的頂部分類層。使用這種傳輸學習方法，可以使用較小的資料集進行訓練。