1回答
我想创建物体检测模型，输入为不同形状的图像，输出也为可变形状的图像，但输出图像是从相应的输入图像(因此是可变形状)裁剪的汽车。如何使用Keras实现这一点。我知道图像分割和自动编码器的过程，但由于输入和输出的大小是可变的，确切的过程似乎很遥远。请帮帮我。谢谢。
浏览 28提问于2021-06-21得票数 0
1回答
在变尺寸图像中检测固定大小的对象
、、、、
神经网络可以训练来识别一个物体，然后检测该物体在图像中的出现，而不管它们的位置和表观大小。在PyTorch中这样做的一个例子是在
大多数代码处理图像大小调整为416 of平方，同时保持其纵横比和填充溢出。因此，模型总是处理416 is图像，无论是在训练中还是在实际的目标检测中。检测到的对象，仅仅是图像的一部分，
浏览 1提问于2020-11-16得票数 0
回答已采纳
根据本教程：，我正在使用PyTorch优化更快的RCNN编辑>>> random_idx = torch.randint
浏览 21提问于2019-08-12得票数 0
回答已采纳
1回答
为了进行虚拟训练，我建立了一个模拟器来收集图片数据，以及一个转向角度。然后，我使用一个OpenCV程序，使用Hough线检测，以检测道路上的3条线。我想要创建一个模型，当图像被输入时，输出将是一个转向角。使用TensorFlow，我用这些图像训练了一个CNN，结果非常糟糕。我应该如何接近训练这样的形象？我还可以使用每一行的实际数据来训
浏览 1提问于2018-11-25得票数 0
1回答
我在CNN工作，我有不同大小和纵横比的图像，在预处理步骤中调整大小和中心裁剪图像可能会丢失一些有价值的信息(特别是从边缘-右，左，上和下)。我认为，更好的方法是应用自适应最大池化(给定目标输出尺寸)，以便在将图像传递到最终层之前调整图像大小。在keras中，我可以添加一个简单的最大池化层，但是在keras中有没有一种方法来告诉/绑定最大池化层的输出大小？例如:如果图像<e
浏览 7提问于2018-10-23得票数 2
1回答
我已经实现了一个卷积版本的大小为32x32的滑动窗口。这使得我能够在一张图片中识别出这个大小范围的数字。 但现在让我们假设我有一个300x300大小的图像，其中一个数字占据了整个图像。我看到有人说图像需要重新缩放和调整大小。这意味着我需要创建我的初始图像的各种缩放版本，然后为我的网络提供这些“新”图像。 有谁知道我该怎么做吗？这是我的代码的一部分，如果它能有所帮助
浏览 27提问于2019-06-15得票数 0
回答已采纳
我想要训练一个模型，允许我生成一个与特定文本相关的标记的 list ，我的输出列表将根据上下文的不同而具有可变的大小。在我发现的示例中，模型总是返回一个输出。
浏览 1提问于2014-01-28得票数 0
回答已采纳
1回答
我想检测一些小的对象，我想知道在Faster_rcnn.config文件中改变锚大小是否会使模型在传输学习中表现得更好，还是需要从头开始进行训练？我在目标检测模型动物园上使用预先训练过的模型作为微调检查点。".config“文件具有以下参数：grid_anchor_generator {
scales: [0
浏览 2提问于2019-11-22得票数 1
回答已采纳
我想知道有没有可能为可变长度的图像添加一个类似于扁平层的层。假设我们的CNN有一个输入层：在执行了典型的卷积/最大池化层系列之后，我们是否可以创建一个扁平层，使其形状为：
output_shape=(None
浏览 2提问于2018-03-15得票数 1
我最近注意到，我可以拥有并使用Tensorflow模型，该模型具有任意数量的输出，即使预测值只是一个真实值。例如，我可以有16个输出的模型，只有一个真正的目标值，然而，模型仍然没有错误的正常训练。我的问题是，在比较输出和目标值时，Tensorflow如何处理输出的</
浏览 7提问于2021-12-16得票数 1
我对keras连接有一些维度上的问题。模型的输出数组(None，851)似乎与错误消息中要求的尺寸不同。下面是我得到的结果： input_img = Input(shape=(32, 100, 1))
char = Model(input=input_img, output=output) Here is the summary the
浏览 10提问于2019-03-12得票数 1
我想做目标检测和分割。我想知道哪些模型是在上训练的，如YOLO等，但我想知道哪种模型具有最高的精度和最低的时间。简而言之，在COCO -dataset上训练的对象检测和分割最适合哪种模型？
浏览 0提问于2021-05-31得票数 0
回答已采纳
我正在从Tensorflow对象检测模型动物园训练ssd_mobilenet_v1_coco_2017_11_17模型。我的数据集是卫星图像，我的目标是检测图像中的车辆。但是由于python内存问题，训练失败了。我正在训练CPU，我的Windows10机器有32 gb的RAM。用于训练的TF记录文件大小约为1.
浏览 1提问于2017-11-25得票数 0
1回答
好吧，那么，我现在使用的代码是：from PIL import Image, ImageOpsimport tensorflow as tfif cv2.waitKey(1) & 0xFF == ord('q'):cv2.destroyAllWindows()
有一个实时的摄像头对象检测，它工作的很好，但我想知道我如何能看到它在哪里检测</
浏览 6提问于2022-01-29得票数 0
回答已采纳
比方说，我希望能够从短距离和长距离检测汽车模型。这是否意味着我必须准备训练和验证数据集，其中包含具有多个分辨率的相同汽车图像？致以敬意，
Setnug
浏览 3提问于2020-07-03得票数 0
1回答
这是一个假设的例子，所以如果太粗糙，请原谅我。我真正的问题是在图像处理领域。我有一些像素，我想分类使用纹理，但我没有一个“类”的那些像素。对于一些非常相似的东西(我知道这个类)，我确
浏览 0提问于2022-10-13得票数 1
1回答
我想交叉验证一个模型，玩下面的纸牌游戏(见图)。在这种情况下，我如何应用k-折叠验证？这个模型不是回归者。它是一个分类器，而且具有可变的奖励/惩罚。所以我不能计算验证折叠<e
浏览 0提问于2018-08-22得票数 0
我正在使用Tensorflow对象检测API进行一个项目。我在几个上训练了我的模型，并训练了一个rfcn_resnet101_coco模型来检测这些图像中的字母o。我认为这个模型工作得很好，因为它在我传递给它的图像中检测到o(相当准确)。有关示例，请参见和。
然而，当我传递另外两幅图像时，它们的大小与前两幅相差很大，模型无法检测
浏览 0提问于2019-08-06得票数 0
4回答
为什么CNN必须有固定的输入大小？但是为什么呢？我无法理解完全连接层的存在意味着什么，以及为什么我们被迫有一个固定的输入大小。
浏览 0提问于2019-11-30得票数 9
回答已采纳
2回答
是否可以使用Tensorflow/Keras并训练具有可变批量大小的模型？所以我在每个时期都有不同大小的批次。我认为使用高级tf.keras应用程序接口是不可能的？
浏览 20提问于2021-02-10得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
