我正在使用Tensorflow对象检测API检测手势，但我想将条件应用于此检测意味着我想检测一个人戴哨子时的手势，否则无法检测。我可以使用Tensorflow对象检测API实现这一点吗？如果否，请建议我一些实现这一点的好方法。谢谢：）
bhmjp9jg1#
您应该执行的第一件事是使用一个类自定义预先训练的Tensorflow模型，使用此技术，您可以生成一个只有一个类的模型，例如名为“hand”的模型。但如何做到这一点呢？别担心，只需按照以下步骤操作即可：1.从GitHub下载Tensorflow模型母版并构建它。（您可以使用git克隆它，而不是下载它）。1.在你的建筑完成之后，你必须使用标签图像软件来标记你的训练图像。标签图像的输出是一个CSV文件。1.在下一步你必须把这个CSV文件转换成记录文件。然后训练你自己的模型。1.在你的模型被训练之后，你必须导出你的模型并且简单地进行目标检测。这是很好的说，如果你没有一个英伟达GPU，使用谷歌Colab，因为这个过程是非常耗时的利用CPU。
wgeznvg72#
您可以准备数据集（1）将手标记为佩戴哨子，（2）在使用分类模型训练之后不佩戴哨子，并且不要忘记在训练之前进行预处理
2条答案
按热度按时间bhmjp9jg1#
您应该执行的第一件事是使用一个类自定义预先训练的Tensorflow模型，使用此技术，您可以生成一个只有一个类的模型，例如名为“hand”的模型。但如何做到这一点呢？别担心，只需按照以下步骤操作即可：
1.从GitHub下载Tensorflow模型母版并构建它。（您可以使用git克隆它，而不是下载它）。
1.在你的建筑完成之后，你必须使用标签图像软件来标记你的训练图像。标签图像的输出是一个CSV文件。
1.在下一步你必须把这个CSV文件转换成记录文件。然后训练你自己的模型。
1.在你的模型被训练之后，你必须导出你的模型并且简单地进行目标检测。
这是很好的说，如果你没有一个英伟达GPU，使用谷歌Colab，因为这个过程是非常耗时的利用CPU。
wgeznvg72#
您可以准备数据集（1）将手标记为佩戴哨子，（2）在使用分类模型训练之后不佩戴哨子，并且不要忘记在训练之前进行预处理