图像评估中的张量板边界框限制答案

【问题标题】：Tensorboard bounding box limit in eval of images图像评估中的张量板边界框限制
【发布时间】：2019-09-25 18:25:57
【问题描述】：

image1 image2 在 tensorboard 上查看 eval 结果训练对象检测模型时，并非每个对象周围的所有边界框都已生成。由于显示的边界框数量是有限的，但这可能会导致我的训练结果产生很多混乱。当我制作推理图并对其进行测试时，我可以更改对边界框数量没有限制的代码。所以想知道我在哪里可以为 tensorboard 做同样的事情。

max_boxes_to_draw=None

vis_util.visualize_boxes_and_labels_on_image_array( image_np, output_dict['detection_boxes'], output_dict['detection_classes'], output_dict['detection_scores'], category_index, instance_masks=output_dict.get('detection_masks'), max_boxes_to_draw=None, use_normalized_coordinates=True, line_thickness=8)

此代码来自 tensorflow 提供的 object_detection_tutorial Jupyter notebook。我必须添加上面的行才能使其正常工作，如图所示。

【问题讨论】：

标签： tensorflow machine-learning object-detection tensorboard

【解决方案1】：

在配置文件中，添加fieldmax_num_boxes_to_visualize并将其更改为更大的值。如果未添加，则默认值为 20。例如

eval_config: {
  num_examples: xxxx
  max_num_boxes_to_visualize: 100
  # Note: The below line limits the evaluation process to xx evaluations.
  # Remove the below line to evaluate indefinitely.
  max_evals: xxx
}

这会将值设置为 100。

【讨论】：