tensorflow 对象检测：使用更多具有更快 RCNN 的特征提取器答案

【问题标题】：tensorflow object detection: using more feature extractors with faster RCNNtensorflow 对象检测：使用更多具有更快 RCNN 的特征提取器
【发布时间】：2017-12-15 18:47:24
【问题描述】：

我正在尝试在一个自定义的、相对简单的数据集（大约 30k 个样本）上执行对象检测。我已经成功地将 Faster_RCNN 与 Resnet101_v1（最终 mAP 0.9）和 inception_resnet_v2 特征提取器（正在进行培训）一起使用。现在我希望我的模型运行得更快但仍然保持良好的性能，所以我想比较一下我拥有的模型，SSD 与各种版本的 mobile_net 一起运行。但是，要知道哪些性能变化来自 SSD，哪些来自特征提取器，我还想尝试使用 mobile_nets 的 Faster-RCNN。这也有可能产生我需要在性能和推理时间之间进行权衡（更快的 RCNN 好且慢，而 mobile_nets 快）。

最初的MobileNets paper 提到将它与 Faster RCNN 一起使用，我猜他们使用了 tensorflow 模型检测 API，所以也许他们已经发布了使 MobileNets 适应 Faster RCNN 的文件？

如何使 mobile_nets 与 Faster-RCNN 兼容？

【问题讨论】：

标签： tensorflow object-detection

【解决方案1】：

我显然不是专家，但据了解，你不能将 mobilenets 与 fast_rcnn 一起使用，mobilenets 基于 yolo，它是与 faster_rcnn 不同的架构。

【讨论】：

在某种程度上，mobileNets 是一个全卷积神经网络，它产生卷积特征。因此，它应该能够在任何大小的图像上运行（直到最后一个卷积层），并且可以像 ResNet101 一样被更快的 RCNN 用作特征提取器，不是吗？

【解决方案2】：

简而言之，需要创建 Faster-RCNN Feature Extractor 的 MobileNet 版本。这是我们正在考虑添加的内容，但不是当前的优先事项。

【讨论】：

好的，谢谢，这是我收集到的。但是由于最初的 MobileNets 论文提到将它与 Faster RCNN 一起使用，你确定它还没有在你的盒子里的某个地方完成吗？
它的 API 版本稍显过时（即，它使用的 Mobilenet 版本现在已弃用我的开源版本）。如果您对其他比 FasterRCNN 更快但比 SSD MobileNet 更准确的模型感兴趣，请考虑尝试 SSD InceptionV2 或我们的 RFCN 模型（这两种模型现在都应该可用）。

【解决方案3】：

Google 最近发布了其对象检测模型。

https://github.com/tensorflow/models/tree/master/object_detection

您可以使用当前的对象检测器轻松地使用此 API（Xception、Inception ResNet、DenseNet 或 Mobile Net）替换特征提取器。

在许多对象识别系统中有两个共同的部分。第一部分是特征提取器（从图像输入中提取边缘、线条、颜色等特征）。第二部分是Object Detector (Faster R-CNN, SSD, YOLOv2)。

【讨论】：