可视化 Mask-RCNN 中的检测过程
Visualizing the detection process in Mask-RCNN
我正在从事一个旨在在某些困难情况下检测物体的项目。我 运行 使用 Mask_RCNN 在包含特定类型的困难示例的数据集上进行了测试，它在其中一些方面做得很好。
但是在没有明显原因的情况下，其他一些示例并没有被检测到。要了解这种性能差异背后的原因，有人建议我使用 Tensorboard。但后来我意识到它主要用于训练阶段，正如我从这个 video.
中理解的那样
然而，在视频的最后，他们提到了 Tensorboard 的集成项目，即 Tensorflow Debugger Integration。但不幸的是，我找不到有关该功能的延续的更多信息。
有什么方法可以在 inference/evaluation 阶段可视化 CNN 中的权重和激活图？
tensorboard 训练和推理时间的主要区别在于 global_step 值。大多数图表将 global step 显示为 x-axis。如果愿意，您可以提供自己的全局计步器，但在这种情况下，您必须决定 x-axis 应该代表什么，因为 "time" 在推理过程中并不是真正的逻辑结构。图像选项卡等其他选项卡没有时间组件，因此使用它们应该与训练期间相同。
tensorflow 调试器是一个很好的终端调试器，但实际上与您在这里尝试执行的操作无关。它肯定不是可视化工具。
另一种方法可能是简单地生成您自己的图并输出一组 PDF，其中包含您需要的各种可视化效果，使用标准工具（如 matplotlib）为每个测试图像。我发现像 XnView 这样的工具可以非常轻松地查看大量 PDF 可视化文件以了解正在发生的事情。我已经非常有效地使用了这种方法。如果您想快速查看成百上千个结果，如果将所有视觉效果都转储到一个目录中，您可能会更轻松。
我正在从事一个旨在在某些困难情况下检测物体的项目。我 运行 使用 Mask_RCNN 在包含特定类型的困难示例的数据集上进行了测试，它在其中一些方面做得很好。
但是在没有明显原因的情况下，其他一些示例并没有被检测到。要了解这种性能差异背后的原因，有人建议我使用 Tensorboard。但后来我意识到它主要用于训练阶段，正如我从这个 video.
中理解的那样然而，在视频的最后，他们提到了 Tensorboard 的集成项目，即 Tensorflow Debugger Integration。但不幸的是，我找不到有关该功能的延续的更多信息。
有什么方法可以在 inference/evaluation 阶段可视化 CNN 中的权重和激活图？
tensorboard 训练和推理时间的主要区别在于 global_step 值。大多数图表将 global step 显示为 x-axis。如果愿意，您可以提供自己的全局计步器，但在这种情况下，您必须决定 x-axis 应该代表什么，因为 "time" 在推理过程中并不是真正的逻辑结构。图像选项卡等其他选项卡没有时间组件，因此使用它们应该与训练期间相同。
tensorflow 调试器是一个很好的终端调试器，但实际上与您在这里尝试执行的操作无关。它肯定不是可视化工具。
另一种方法可能是简单地生成您自己的图并输出一组 PDF，其中包含您需要的各种可视化效果，使用标准工具（如 matplotlib）为每个测试图像。我发现像 XnView 这样的工具可以非常轻松地查看大量 PDF 可视化文件以了解正在发生的事情。我已经非常有效地使用了这种方法。如果您想快速查看成百上千个结果，如果将所有视觉效果都转储到一个目录中，您可能会更轻松。