在哪里可以找到使用在 COCO 数据集上训练的 Mobilenet 特征提取器的 fastRCNN / R-FCN 的预训练模型？答案

【问题标题】：Where can I find the pretrained models of fasterRCNN / R-FCN with Mobilenet Feature extractor trained on COCO datset?在哪里可以找到使用在 COCO 数据集上训练的 Mobilenet 特征提取器的 fastRCNN / R-FCN 的预训练模型？
【发布时间】：2019-10-04 21:58:49
【问题描述】：

我想使用 Mobilenetv1 或 v2 在 FasterRCNN 上训练一个自定义数据集。我想在 tensorflow zoo 中使用预训练模型。但是我找不到以 mobilenet 作为基础提取器的更快的 Rcnn 模型。在哪里可以买到？

我已经在 github 中有 tensorflow zoo。我以前也使用过 SSD+Mobilenet 配置。现在我想将结果与 FasterRCNN 和 RCNN 与 Mobilenet 进行比较。

【问题讨论】：

标签： tensorflow object-detection-api

【解决方案1】：

官方 repo 尚未发布带有 mobilenet 模型的 Faster RCNN。但是如果你愿意，你仍然可以使用一些其他的模型和在 COCO 上训练的 mobilenet，这个过程有点复杂。

有两个重要步骤可以继续。

第一个是有相应的特征提取器类。对于 Faster RCNN，models 目录已经包含 faster_rcnn_mobilenet 特征提取器实现，所以这一步是可以的。但对于 R-FCN，您必须自己实现特征提取器类。
第二个是更改检查点中可用的张量名称。例如，如果您使用ssd_mobilenet_v1_xxx 作为检查点，则mobilenet 范围内的所有张量都被命名为FeatureExtractor/MobilenetV1/XXX，而如果在faster_rcnn_mobilenet_v1 模型中，mobilenet 范围内的张量名称为FirstStageFeatureExtractor/MobilenetV1/XXX（和@ 987654330@)。所以本质上你需要删除所有特征提取器张量名称中的FirstStage（以及SecondStage），然后这些张量将与检查点中的名称完全相同，并且将被正确恢复。如果这样做，则需要修改的功能是
```
  def restore_map(self,
          fine_tune_checkpoint_type='detection',
          load_all_detection_checkpoint_vars=False):
```

在文件faster_rcnn_meta_arch.py中。

【讨论】：