如何在Tensorflow的目标检测API中仅检测人类对象

Question

我正在使用tensorflow对象检测API来检测物体。在我的Windows系统中，它运行得很好。我该如何更改它以仅检测指定的对象，例如，我只想检测人类而不是所有物体。

根据这个答案中的第一个评论，我已经检查了可视化文件，但没有找到与对象类别相关的内容。然后我查看了category_util.py并发现有一个csv文件从中加载所有类别，但在项目中找不到此csv文件。请问有谁能指点我正确的方向。谢谢。

- S Andrew

Answer 1

我猜您的问题是，您没有自己微调模型，而只是使用了模型库中的预训练模型！？

在这种情况下，我认为该模型已经可以检测出人类和其他物体，您想让这些其他物体消失吗？为此，您只需更改label_map.pbtxt文件，删除所有不需要的类别。如果您不确定在哪里找到此文件，请查看您的.config文件，并搜索label_map_path="PATH"。

- Janikan

---

抱歉，我忘了提到我正在使用预训练模型 ssd_mobilenet_v1_coco_11_06_2017，我已经修改了 mscoco_label_map.pbtxt 并删除了所有对象，只剩下 person。当使用 API 进行测试时，对于其他对象（如 car、trucks），它会显示带有标签“NA”的边界框。我该如何去除这个，以便仅显示 person 的边界框而不是任何其他对象的边界框。谢谢。 - S Andrew

好的，这个脚本只使用模型的推理部分。它不会改变任何东西，我也不知道你在哪里可以调整num_classes参数。通过使用这个脚本，你可以检查output_dict['detection_classes']字典并删除所有不属于“人”类别的条目。 - Janikan

好的，谢谢。我会详细研究这个问题。关于 output_dict['detection_classes']，它只保存像 [[ 3. 3. 3. 1. 1..... 这样的数据，这些值代表什么意思？我们如何知道哪个类别是人？ - S Andrew

谢谢。我终于做到了。我正在提取所有ID为“1”的类，因为它是人的ID，基于分数，如果分数低于50％，我会忽略该ID。通过这种方式，我只检测人。为了去除边界框，我修改了visualization_utils.py，在其中忽略了所有边界框，并仅显示人的框。最后，我还根据分数和类别计算检测到的人数。 - S Andrew

@SAndrew，由于它始终在检测所有90个类别，检测过程是否会加速？我想找到一种方法告诉模型仅运行特定的类别列表，这样我就可以仅检测人和汽车等。或者模型创建者可以添加灵活性，使用在线类别列表重新训练并仅下载能够检测人和汽车等的模型。 - KeitelDOG