对象检测 API - 如何创建训练集合？
Object Detection API - How to create an Ensemble of trainings?
我已经为分类（每个图像的平均预测）或语义分割（每个像素的平均预测）创建了一个集成，但我真的不知道如何继续用于对象检测。我的猜测是提取我所有网络的所有区域建议，然后 运行 我的分类器在 X 中最好的分类器，最后取平均值所有边界框的预测。但是我应该如何使用遵循 Object Detection API 的架构来做到这一点？
我想可以使用 extract_proposal_features 提取区域提案，然后将其重新插入到模型中，但我认为这样做的唯一方法是使用自己的 [=12] 创建一个完整的新模型=] 方法等，将处理我的 Ensemble 的所有模型。我是否遗漏了其他明显/更简单的方法？
这是基本思想，是的（Resnet 论文很好地解释了如何为 Faster R-CNN 做到这一点）。不幸的是，我们还没有发布代码来自动化这个集成过程（也没有任何计划）。这当然是可能的；您必须自己手动设置。
我已经为分类（每个图像的平均预测）或语义分割（每个像素的平均预测）创建了一个集成，但我真的不知道如何继续用于对象检测。我的猜测是提取我所有网络的所有区域建议，然后 运行 我的分类器在 X 中最好的分类器，最后取平均值所有边界框的预测。但是我应该如何使用遵循 Object Detection API 的架构来做到这一点？
我想可以使用 extract_proposal_features 提取区域提案，然后将其重新插入到模型中，但我认为这样做的唯一方法是使用自己的 [=12] 创建一个完整的新模型=] 方法等，将处理我的 Ensemble 的所有模型。我是否遗漏了其他明显/更简单的方法？
这是基本思想，是的（Resnet 论文很好地解释了如何为 Faster R-CNN 做到这一点）。不幸的是，我们还没有发布代码来自动化这个集成过程（也没有任何计划）。这当然是可能的；您必须自己手动设置。