目标检测框架：支持TF2的TF Object Detection

一直以来，大家最常用的目标检测库是港中文的mmdetection和Facebook的detectron2库，不过这两个库都是基于PyTorch的，PyTorch的模型部署方面还是稍差于TensorFlow，如果想用TensorFlow的目标检测模型，最好的还是选择还是谷歌官方的TF Object Detection库：

目前随着TensorFlow 2x的到来，TF Object Detection库也支持TF2了，而且最重要的是还兼容TensorFlow 1.x，这真是非常nice。不过官方还是建议大家使用最新的TF2来训练模型，主要原因如下：

• 最新的模型只会在TF2中更新，未来还会继续更新；

• TF2训练得到的模型效果和TF1几乎没有差别；

• TF2可以更容易地使用GPU和TPU进行分布式训练；

• TF2的Eager模式使debug更容易；

除了支持TF2外，TF2也新增了更多的模型如CenterNet和EfficientDet，具体Model Zoo如下所示：

不过，如果你想使用TF1，那么你可以查看对应的Model Zoo（https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf1_detection_zoo.md），要比TF2支持的模型少一些。

另外，贴心的开发者还给了详细的入门教程Colab：

• 训练：在自己的数据集上fine-tune一个检测器；

• 推理：用model zoo中的模型进行推理预测；

• 移动端部署：Fine-tune一个检测器，并用TensorFlow Lite部署

更多见https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf2.md

---

推荐阅读

无需tricks，知识蒸馏提升ResNet50在ImageNet上准确度至80%+

不妨试试MoCo，来替换ImageNet上pretrain模型！

重磅！一文深入深度学习模型压缩和加速

从源码学习Transformer！

mmdetection最小复刻版(七)：anchor-base和anchor-free差异分析

mmdetection最小复刻版(四)：独家yolo转化内幕

机器学习算法工程师

---

                                    一个用心的公众号

---