如何在自定义图像上测试 cntk 对象检测示例？答案

【问题标题】：How to test cntk object detection example on custom image?如何在自定义图像上测试 cntk 对象检测示例？
【发布时间】：2017-02-26 16:14:44
【问题描述】：

我正在尝试在 PascalVoc 预训练数据集上运行 CNTK 对象检测示例。我在 fastrcnn 中运行所有必需的脚本，并获得数据集中定义的测试数据的可视化输出。现在我想在自己的图像上测试网络，我该怎么做？

【问题讨论】：

标签： neural-network object-detection cntk

【解决方案1】：

对于 Fast R-CNN，您需要一个库来为您的测试图像生成候选 ROI（感兴趣区域），例如selective search。

如果要评估一批图像，可以按照tutorial中的描述生成测试映射文件和ROI坐标（见test.txt和test.rois.txt在相应的proc子文件夹中） .如果要评估单个，则需要将图像和候选 ROI 坐标作为输入传递给 cntk eval，类似于 this example：

# compute model output 
arguments = {loaded_model.arguments[0]: [hwc_format]} 
output = loaded_model.eval(arguments)

【讨论】：

【解决方案2】：

对于 FastRCNN，您需要首先通过选择性搜索算法运行自定义图像以生成 ROI（感兴趣区域），然后将其提供给您的模型，如下所示：

output = frcn_eval.eval({image_input: image_file, roi_proposals: roi_proposals})

您可以在此处找到更多详细信息：https://github.com/Microsoft/CNTK/tree/release/latest/Examples/Image/Detection/FastRCNN

无论如何，FastRCNN 并不是最有效的方法，因为使用了选择性搜索（这是这里真正的瓶颈）。如果您想提高性能，您可以尝试 FasterRCNN，因为它摆脱了 SS 算法并用性能更好的区域建议网络代替它。有兴趣可以查看我在 GitHub 上的 repo：https://github.com/karolzak/CNTK-Hotel-pictures-classificator

【讨论】：

您好，Karol，请具体说明您的问题。尝试专注于您感兴趣的主题，并在问题中提供您工作的片段，因为链接可能会随着时间而改变。如果您遇到技术问题，请描述预期结果、实际结果以及您如何尝试解决它。专注于单一问题的问题更有可能获得好的答案。