TF Object Detection 終于支持TF2了！
一直以來，大家最常用的目標檢測庫是港中文的mmdetection和Facebook的detectron2庫，不過這兩個庫都是基于PyTorch的，PyTorch的模型部署方面還是稍差于TensorFlow，如果想用TensorFlow的目標檢測模型，最好的還是選擇還是谷歌官方的TF Object Detection庫：
目前隨著TensorFlow 2x的到來，TF?Object Detection庫也支持TF2了，而且最重要的是還兼容TensorFlow 1.x，這真是非常nice。不過官方還是建議大家使用最新的TF2來訓練模型，主要原因如下：
最新的模型只會在TF2中更新，未來還會繼續(xù)更新；
TF2訓練得到的模型效果和TF1幾乎沒有差別；
TF2可以更容易地使用GPU和TPU進行分布式訓練；
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，具體Model Zoo如下所示：
不過，如果你想使用TF1，那么你可以查看對應的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，貼心的開發(fā)者還給了詳細的入門教程Colab：
訓練：在自己的數(shù)據(jù)集上fine-tune一個檢測器；
推理：用model zoo中的模型進行推理預測；
移動端部署：Fine-tune一個檢測器，并用TensorFlow Lite部署
更多見https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf2.md
推薦閱讀
無需tricks，知識蒸餾提升ResNet50在ImageNet上準確度至80%+
不妨試試MoCo，來替換ImageNet上pretrain模型！
mmdetection最小復刻版(七)：anchor-base和anchor-free差異分析
mmdetection最小復刻版(四)：獨家yolo轉(zhuǎn)化內(nèi)幕
機器學習算法工程師
? ??? ? ? ? ? ? ? ? ? ? ? ??????? ??一個用心的公眾號
?
