如何使用Tensorflow对象检测API继续训练对象检测模型？

Question

我正在使用Tensorflow Object Detection API来训练一个使用迁移学习的对象检测模型。具体地说，我正在使用ssd_mobilenet_v1_fpn_coco from the model zoo和sample pipeline provided，当然已经用到我的训练和评估记录和标签的实际链接替换了占位符。

我能够使用上面的管道在我的大约5000张图像(以及相应的边界框)上成功地训练一个模型(我主要在TPU上使用Google的ML引擎，如果有用的话)。

现在，我准备了额外的大约2000张图像，并希望用这些新图像继续训练我的模型，而不需要从头开始(训练初始模型需要大约6小时的TPU时间)。我该怎么做呢？

Answer 1

您有两个选项，在这两个选项中，您都需要更改新数据集train_input_reader的input_path：

1. 在训练配置中指定要微调的检查点时，请指定训练模型

的检查点

train_config{
    fine_tune_checkpoint: <path_to_your_checkpoint>
    fine_tune_checkpoint_type: "detection"
    load_all_detection_checkpoint_vars: true
}

1. 只需继续使用相同的配置(除了train_input_reader)和之前型号相同的model_dir。这样，应用编程接口将创建一个图，并检查检查点是否已存在于model_dir中并适合该图。如果是，它将恢复它并继续训练它。

编辑: fine_tune_checkpoint_type之前被错误地设置为true，而在一般情况下应该是“检测”或“分类”，在这种特定情况下应该是“检测”。谢谢Krish的注意。

Answer 2

我没有在新的数据集上重新训练对象检测模型，但看起来在配置文件中增加了训练步骤的数量train_config.num_steps，并在tfrecord文件中添加图像应该就足够了。