我一直在研究TensorFlow的对象检测教程：https://github.com/tensorflow/models/blob/master/object_detection/object_detection_tutorial.ipynb

实际检测发生的部分是：

  # 每个框代表图像中检测到特定对象的部分。  boxes = detection_graph.get_tensor_by_name('detection_boxes:0')  # 每个分数表示每个对象的置信度水平。  # 分数与类别标签一起显示在结果图像上。  scores = detection_graph.get_tensor_by_name('detection_scores:0')  classes = detection_graph.get_tensor_by_name('detection_classes:0')  num_detections = detection_graph.get_tensor_by_name('num_detections:0')  # 实际检测。  (boxes, scores, classes, num_detections) = sess.run(      [boxes, scores, classes, num_detections],      feed_dict={image_tensor: image_np_expanded})

然而，每个结果张量（即boxes, scores和classes）都恰好有100个条目，我找不到任何线索来确定这个数字是如何定义的，但我希望能改变它。

有谁能提供这方面的信息或提示我该查看哪里吗？

此致，

G.Brown

回答：

由于您使用的是冻结图，您无法控制图的预测方式。要获得所需的结果，您可以使用硬阈值来减少边界框的数量和误报。

假设您希望预测的置信度达到80%，那么可以使用阈值来移除所有`scores < 0.8`的预测

注意：您可以通过另一种方式来控制这一点；为此，您需要获取原始检查点文件，并使用export_inference_graph文件。您需要更改第132-133行的内容。其他模型配置文件也适用相同的概念。移动SSD配置文件