对象检测 – TensorFlow 的工作方式

对象检测 – TensorFlow 算法将图像作为输入来预测边界框和对象标签。各种深度学习网络，例如 MobileNet、ResNet、Inception 和 EfficientNet，都可以提供非常准确的对象检测。还有一些在大型图像数据集上训练的深度学习网络，例如 Common Objects in Context (COCO)，其中包含 32.8 万张图像。使用 COCO 数据对网络进行训练后，您可以使用一个数据集对网络进行微调，将重点放在执行更具体的对象检测任务上。Amazon SageMaker 对象检测 – TensorFlow 算法支持使用 TensorFlow Model Garden 中提供的多种预先训练的模型进行迁移学习。

根据训练数据中类标签的数量，对象检测层将附加到您选择的预先训练的 TensorFlow 模型上。然后，您可以在新训练数据上，对整个网络（包括预训练模型）进行微调，也可以仅对顶层分类层进行微调。使用这种迁移学习方法就可以通过较小的数据集进行训练。