cnn中的超参数参数设置_了解更快的r cnn配置参数

cnn中的超参数参数设置

When I first started creating the Faster R-CNN model using TensorFlow Object Detection API, I couldn’t find the parameter definition in one place, I used to surf on web for each parameter on stack overflow and blogs. I’ve collated all those findings in this post, so that it would be easy to get a quick idea on how and what these parameters mean. It is difficult to tune the model without knowing the usage of it.

当我第一次开始使用TensorFlow对象检测API创建Faster R-CNN模型时，我找不到一个地方的参数定义，我曾经在网上浏览堆栈溢出和博客上的每个参数。 我已经整理了这篇文章中的所有这些发现，以便您可以轻松地快速了解这些参数的含义和含义。 在不了解模型用法的情况下很难对其进行调整。

TensorFlow Object Detection API comes with default config file(models/research/object_detection/samples/configs/) which is trained on various datasets. For tuning the model, we need to understand what each parameter mean in the config file.

TensorFlow对象检测API带有默认的配置文件(模型/研究/ object_detection /样本/ configs /)，该文件在各种数据集上进行了训练。 为了调整模型，我们需要了解配置文件中每个参数的含义。

Below are the details of Faster R-CNN model parameters in the TensorFlow Object Detection API config file.

以下是TensorFlow对象检测API配置文件中的Faster R-CNN模型参数的详细信息。

num_classes : Number of objects to be detected

num_classes ：要检测的对象数

image_resizer: Image dimensional is important for object detection. There are two types — fixed_shape_resizer and keep_aspect_ratio_resizer

image_resizer ：图像尺寸对于物体检测很重要。 有两种类型：fixed_shape_resizer和keep_aspect_ratio_resizer

fixed_shape_resize: This will pad the minor dimension instead of skewing