在 Mask-RCNN 中可视化检测过程

Question

我正在从事一个旨在在某些困难情况下检测物体的项目。我使用 Mask_RCNN 在包含特定类型的困难示例的数据集上进行了测试，并且在其中一些示例中做得很好。

但在没有明显原因的情况下，其他一些示例并没有被检测到。为了了解这种性能差异背后的原因，有人建议我使用 Tensorboard。但后来我意识到它主要用于训练阶段，正如我从 video 了解到的那样。

然而，在视频的最后，他们提到了 Tensorboard 的一个集成项目，即 Tensorflow Debugger Integration。但不幸的是，我找不到有关该功能延续的更多信息。

有没有办法在推理/评估阶段可视化 CNN 内的权重和激活图？

Answer 1

tensorboard 的训练和推理时间之间的主要区别在于 global_step 值。大多数图表将global step 显示为x 轴。如果愿意，您可以提供自己的全局计步器，但在这种情况下，您必须决定 x 轴应该代表什么，因为“时间”在推理过程中并不是一个真正的逻辑结构。其他选项卡（例如图像选项卡）没有时间组件，因此使用它们应该与训练期间相同。

tensorflow 调试器是一个不错的终端调试器，但与您在此处尝试执行的操作无关。它当然不是可视化工具。

另一种方法可能是简单地生成您自己的绘图并输出一组 PDF，并使用标准工具（如 matplotlib）为每个测试图像输出所需的各种可视化。我发现像 XnView 这样的工具可以很容易地查看大量 PDF 可视化以了解正在发生的事情。我已经非常有效地使用了这种方法。如果您想快速查看成百上千的结果，那么将所有视觉效果都转储到一个目录中可能会更轻松。