物体检测- TensorFlow 工作原理

物体检测- TensorFlow 算法将图像作为输入并预测边界框和物体标签。各种深度学习网络 MobileNet，例如、 ResNet、Inception 和，在物体检测方面 EfficientNet 都非常准确。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 Object Detection- TensorFlow 算法支持在模型花园中提供的许多预训练 TensorFlow模型上进行迁移学习。

根据训练数据中类别标签的数量，对象检测层将附加到您选择的预训练 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。