我是 TensorFlow 的新手。
目前，我正在TensorFlow网站上测试一些分类示例“卷积神经网络”，它解释了如何将输入图像分类到预定义的类中，但问题是：我不知道如何在相同的图像。例如，我有一个带有猫和狗的输入图像，我希望我的图形在输出中显示图像中都有“猫和狗”。
很好的问题。检测同一图像中的多个对象本质上是一个“分割问题”。两种不错且流行的算法是
YOLO（你只看一次）和SSD（单次多盒检测器）。我在底部添加了它们的链接。
我会观看一些有关 YOLO 如何工作的视频，看看你是否掌握了这个想法。然后阅读有关 SSD 的论文，看看您是否明白为什么该算法更快、更精确。
这两种算法都是单通道的：它们只查看图像“一次”并预测它们发现的类别的边界框。有更精确的算法，但它们速度较慢（它们首先选择许多想要查看的点，然后仅在该点上运行分类器。结果是它们在每个图像上运行该分类器多次，这很慢）。
正如您所说，您是 Tensorflow 的新手，您可以尝试其他人编写的代码：https://github.com/thtrieu/darkflow https://github.com/thtrieu/darkflow。非常广泛的自述文件向您展示了如何开始使用您自己的数据集。
祝你好运，如果您还有其他问题，或者这些算法不适合您的用例，请告诉我们。
- 优洛 9000（https://pjreddie.com/darknet/yolo/ https://pjreddie.com/darknet/yolo/)
- SSD（单发多盒检测器）（https://arxiv.org/abs/1512.02325 https://arxiv.org/abs/1512.02325)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
