图像评估中的张量板边界框限制
Posted
技术标签:
【中文标题】图像评估中的张量板边界框限制【英文标题】:Tensorboard bounding box limit in eval of images 【发布时间】:2019-09-25 18:25:57 【问题描述】:image1image2 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】:
【参考方案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】:
以上是关于图像评估中的张量板边界框限制的主要内容,如果未能解决你的问题,请参考以下文章