从第一个例子中转移学习方法可以不用于目标检测吗？

Question

使用下面的例子进行迁移学习有什么区别？

1. 图像分类.使用预训练模型(MobileNet V2模型) https://www.tensorflow.org/tutorials/images/transfer_learning#create_这个_基座_模型_从…_这个_预训练_凸网进行传递学习和微调
2. 对象检测-见Create model and restore weights for all but last layer节(ssd_resnet50模型)- https://github.com/tensorflow/models/blob/master/research/object_检测/实验室_教程/殷切_一些_截图_od_培训_tf2_colab.ipynb

从第一个例子中转移学习方法可以不用于目标检测吗？

Answer 1

这两个链接之间的区别在于，在第一个链接中，您的模型是MobileNet v2体系结构+一个紧密连接的预测层的所有预先训练的权重，该层通常用于图像分类。在第二个环节中，目标检测模型是resnet50模型的预训练权值，最后一层是SSD层(单发检测，链接到原始论文：https://arxiv.org/abs/1512.02325?context=cs)。SSD被训练在运行时进行推理，并对图像进行分类，并在训练的对象周围产生包围框以进行检测。

tldr，两者之间唯一的区别是最后一层附加在传输的体系结构上。您可以使用resnet体系结构进行分类，或者使用SSD层进行对象检测。移动网、vgg等也一样。