使用初始V3在Tensorflow中定位对象

Question

我看过这博客文章，其中描述了如何使用谷歌的图像分类模型“盗梦空间”( Inception V3 )在图像中定位对象。

我们可以将8x8x2048表示理解为特征网格，将图像分解为8个水平网格和8个垂直网格方块。

有人能解释我如何在python中访问8x8x2048层的初始空间吗？然后使用1x1卷积将每个向量映射到类标签上？

谢谢!

Answer 1

tensorflow回购中的初始模型调用inception.slim.inception_v3函数，在其中您需要修改网络这里，以便为1x1卷积再添加一个层。

更改非常小，您只需遵循它构造其他层的方式即可。简单地说，这一层应该是：

net = ops.conv2d(net, 2048, [1, 1])

Answer 2

我发现你可以买到8x8x2048

    with tf.Session(config=config) as sess:
        tensor = sess.graph.get_tensor_by_name('mixed_10/join:0')
        for image_to_test in os.listdir(directory):
            image = os.path.join(directory, image_to_test)
            with tf.gfile.FastGFile(image, 'rb') as f:
                image_data = f.read()
                decoded={'DecodeJpeg/contents:0': image_data}
                predictions = sess.run(tensor, decoded)

预测现在有了8x8x2048

然而，我还没有弄清楚如何从"2048“值中得到一个类。

我在努力

import tensorflow.contrib.slim as slim

predictions = sess.run(tensor, decoded)
ppp= slim.conv2d(predictions,2048,[1,1])
x=tf.unstack(ppp)

但这会给出一个张量

张量(“Conv/Relu:0”，shape=(1，8，8,2048)，dtype=float32，设备=/设备:CPU:0)