Più veloce RCNN per TensorFlow
Qualcuno ha implementare il FRCNN per TensorFlow versione?
Ho trovato alcuni relativi repo come segue:
ma per 1: si supponga che il roi pool di livello funziona (non ho provato), e qualcosa c’è bisogno di essere implementato come segue:
- ROI strato di dati ad esempio roidb.
- Di Regressione lineare per esempio SmoothL1Loss
- ROI piscina strato di post-elaborazione per end-to-end di formazione che dovrebbe convertire il ROI pooling strato risultati per mangimi in CNN per la classificazione.
Per 2: em…., sembra basata su py-veloce-rcnn che, sulla base di Caffe preparazione pre-trattamento (ad esempio roidb) e feed di dati in Tensorflow per formare il modello, sembra strano, così che io possa non provato.
Quindi quello che voglio sapere è che,Tensorflow supporto più Veloce RCNN in futuro?. Se no, non ho sbagliato a capire che di cui sopra? o ha qualche repo o qualcuno sostenere che?
- SmoothL1Loss dovrebbe essere relativamente facile da implementare utilizzando il tf ROI pooling idea…
- Sto lavorando ad un simile obiettivo della tua domanda. Ho scoperto che è difficile da rappresentare dinamica bboxes in tensore. Che forse il motivo per cui il metodo 2 che hai citato utilizzare caffe pre-elaborare i dati. Sto cercando di capire se c’è qualche altro modo per ottenere che in TensorFlow.
- Come su questa implementazione?
Tensorflow ha da poco rilasciato un ufficiale Rilevamento di Oggetti API qui, che possono essere utilizzate, per esempio, con i loro diversi slim modelli.
Questa API contiene l’implementazione di varie Condotte per il Rilevamento di Oggetti, tra cui il famoso Veloce RCNN, con la loro pre-formati modelli.