keras retinanet 评估部分

本文详细介绍了如何使用ResNet101预训练模型进行RetinaNet目标检测网络的训练,包括保留主干网络、调整图像大小及批处理大小等参数设置。同时,提供了评估RetinaNet模型性能的命令行指令,涵盖模型转换、数据集类型选择等关键步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

retinanet训练部分

用resnet101预训练模型,保留主干网络:

python keras_retinanet/bin/train.py --steps 3500 --backbone resnet101  --batch-size 4 --freeze-backbone  --image-min-side 400 --image-max-side 666  csv keras_retinanet/CSV/train_annotations.csv keras_retinanet/CSV/classes.csv --val-annotations keras_retinanet/CSV/val_annotations.csv

用预训练模型继续训练:

python keras_retinanet/bin/train.py --steps 3500 --weights snapshots/resnet50_coco_best_v2.1.0.h5  --batch-size 4  --image-min-side 400 --image-max-side 666  csv keras_retinanet/CSV/train_annotations.csv keras_retinanet/CSV/classes.csv --val-annotations keras_retinanet/CSV/val_annotations.csv

retinanet评估部分运行记录

在kerans版本的retinanet评估部分运行出现很多的问题,主要是参数该怎么设置的问题,运行的命令:

python keras_retinanet/bin/evaluate.py  csv keras_retinanet/CSV/val_annotations.csv keras_retinanet/CSV/classes.csv snapshots/resnet101_csv_02.h5 --convert-model
  1. csv: dataset_type的方式,这里有三种,coco,pascal,cav,根据自己的情况选择
  2. keras_retinanet/CSV/test_annotations.csv :annotations地址,测试集的csv文件。
  3. keras_retinanet/CSV/classes.csv:classes地址,指定具体的分类和ID对应关系的csv文件
  4. snapshots/resnet50_csv_09.h5:训练好的模型
  5. –convert-model:转换模型的开关,不加这个会出现ValueError: not enough values to unpack (expected 3, got 2)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值