Twig's Blog

Occluded Human Dataset bounding box(bbox)儲存跟COCO dataset不一樣： OCHuman是直接儲存兩組座標： 頂點座標 ， 對象頂點座標 COCO則是儲存一組座標和bounding box的寬長： 左下座標 ， 寬長 證據 OCHuman Api 裡頭Demo用來畫bounding box的function是opencv的cv2.rectangle OCHumanApi/ochumanApi/vis.py cv2.rectangle(影像, 頂點座標, 對向頂點座標, 顏色, 線條寬度) 所以舉例[333,175,513,600]是由(333,175)跟(513,600)兩組座標組成。 cv2.rectangle(影像, ( 333 , 175 ), ( 513 , 600 ), 顏色, 線條寬度) bbox 格式對照 ochuman dataset [xmin, ymin, xmax, ymax] coco dataset [x, y, width, height] 參考 Python 與 OpenCV 加入線條圖案與文字教學 by G. T. Wang

不論用的是哪個低階，中階，高階API，像tf.estimator, tf.keras, tf.layer, tf.nn，在人工智慧領域中，訓練模型是一回事，要可以使用訓練完成的模型，還需要知道各個API訓練好的 模型儲存的方式 。 對應檔名 tf.keras .h5 tf.estimator, tf.layer, tf.nn .ckpt 、 .pb .ckpt檔 說明 變量 (Variables) 是被以 binary 的方式儲存成一個 checkpoint 檔 (.ckpt)，簡單的說它儲存了變量 (variable) 的名字和對應的張量 (tensor) 數值． Q:如果想查看ckpt中的網路結構和參數的話要怎麼做？ 參考 2016年的stackoverflow回答 ，tensorflow官方有提供方法，在 inspect_checkpoint.py 檔案裡，有函數 print_tensors_in_checkpoint_file() 可以使用 # tensorflow version: 1.12.3 from tensorflow.python.tools.inspect_checkpoint import print_tensors_in_checkpoint_file print_tensors_in_checkpoint_file(file_name= './model.ckpt' , tensor_name= '' , all_tensor= False ) all_tensors 如果為True，會把全部的數值都印出來，正常來說只需要tensor name和tensor values的shape，所以 all_tensor =False就好了