在 TF 损失函数中创建基本事实

Question

我正在尝试构建自己的 3D 对象检测模型。我的网络由 2 个卷积网络组成，输出形状为 (128,64,8)。我正在使用 DenseBox 对象检测方法，因此我的基本事实应该如下所示，例如 ground truth for image with one object。这是第一个频道，还有 7 个。向 tensorflow 模型提供大量数据，因此我决定仅将几个点（边界框的角）作为标签提供，这有助于获得该圆的中心。然后我打算将该圆绘制到某个 2D 数组（我还需要将 GaussianBlur 应用于该数组）并在损失函数中进行比较。

有人知道如何实现吗？

Answer 1

我想通了。我使用 tf.py_func 在 tensorflow 计算图中使用 opencv 或 numpy 函数。我不确定，但我认为这个函数不会传播梯度。