Tensorflow 实战目标检测：Object Detection API 深度解析
本文介绍了使用 TensorFlow 的 Object Detection API 进行目标检测，探讨了精度与效率的权衡，并对比了 Faster R-CNN、RFCN 和 SSD 检测框架。通过 Github 下载代码并运行实例，同时建议配合论文阅读以理解技术原理。重点关注了 Inception Resnet 网络带来的精度提升和通过降低图像分辨率、减少 Proposal 数量提高算法效率的方法。
一. 找到最好的工具
“工欲善其事，必先利其器”，如果你想找一个深度学习框架来解决深度学习问题，TensorFlow 就是你的不二之选，究其原因，也不必过多解释，看过其优雅的代码架构和工程化实现之后，相信这个问题不会有人再提，这绝非 Caffe an so on 所能比拟的。
回到题头 － 目标检测，相信你一定看过这篇 Paper： Speed/accuracy trade-offs for modern convolutional object detectors, Huang J, CVPR2017
所谓 Trade-Off 是指精度和效率之间的 Trade-Off，TensorFlow 给出了该方法的具体实现：
代码下载：【Github】
二. 跑通代码
最低0.47元/天 解锁文章
扫一扫
5219
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
