如何在tensorflow对象检测中只检测一个指定的类，而不是所有的类？

Question

我用6个类训练了我的数据集，它在检测不同的类时工作得很好。是否可以修改对象检测器脚本以仅检测一个指定的类，而不是所有六个类？或者我必须从头开始重新训练一个类的数据集？非常感谢您的推荐。以下是我的对象检测器脚本的绘图部分：

vis_util.visualize_boxes_and_labels_on_image_array(
image,
np.squeeze(boxes),
np.squeeze(classes).astype(np.int32),
np.squeeze(scores),
category_index,
use_normalized_coordinates=True,
line_thickness=1,
agnostic_mode=False,
groundtruth_box_visualization_color='black',
skip_scores=False,
skip_labels=False,
min_score_thresh=0.80)

Answer 1

除非您更改代码，否则您将获得所有类的概率。Ofc，您可以选择em中最高的一个。合乎道理?

Answer 2

这可能不是解决此问题的最佳解决方案，但您可以尝试复制label_map.pbtxt-file (一个要更改，另一个用于安全保护)，并删除其中一个标签中除您感兴趣的标签以外的所有标签。

然后，您可以将min_score_thresh降低到0.1或更低(或者根本不修改此参数)，并且只检测您保存在labelmap.pbtxt文件中的一个标签。

如果您使用的是GitHub的对象检测API，那么mscoco_label_map.pbtxt文件可以在models-master/research/ Object _object/data/中找到(记得用文本编辑器打开它)

Answer 3

在调用可视化函数之前，添加以下代码-

objectOfInterest = 1  # Interested object class number as per label file 
box = np.asarray(boxes)
cls = np.asarray(classes).astype(np.int32)
scr = np.asarray(scores)
bl = (cls == objectOfInterest) 
classes = np.extract(boolar,cls)
scores = np.extract(boolar,scr)
boxes = np.extract(boolar,box)