特征提取器是否在 Tensorflow 对象检测中受过训练 API？
Are Feature Extractors Trained in the Tensorflow Object Detection API?
在 Tensorflow 对象检测中 API，典型的神经网络将包含 2 个组件：一个特征提取器，然后是一个使用特征提取的输出进一步对图像进行分类的神经网络。
如果您要在对象检测中自定义训练更快的 resnet50 神经网络 api，以检测额外的 2 个对象，在训练过程中是否也训练了特征提取器？ IE。特征提取器组件的权重是否发生变化？
是的，它是默认训练的。您可以使用列车配置中的 freeze_variables 字段将其关闭。然而，TF 人员不鼓励这样做，因为他们发现它会产生更差的结果和相同的训练时间。有关详细信息，请参阅 this thread on github。
在 Tensorflow 对象检测中 API，典型的神经网络将包含 2 个组件：一个特征提取器，然后是一个使用特征提取的输出进一步对图像进行分类的神经网络。
如果您要在对象检测中自定义训练更快的 resnet50 神经网络 api，以检测额外的 2 个对象，在训练过程中是否也训练了特征提取器？ IE。特征提取器组件的权重是否发生变化？
是的，它是默认训练的。您可以使用列车配置中的 freeze_variables 字段将其关闭。然而，TF 人员不鼓励这样做，因为他们发现它会产生更差的结果和相同的训练时间。有关详细信息，请参阅 this thread on github。