问张量流2，对象检测，API2批处理，非最大抑制在训练更快-RCNN网络上似乎没有工作。这是个虫子吗？

EN

我遵循新的Tensorflow 2对象检测API 2文档，在Google平台TPU上使用传输学习来训练一个更快的RCNN检测器。培训完成后，我将结果加载到工作站上，并使用tensorflow 2实现导出模型(‘ObjectProtection/ exported _main_v2.py’)。我遵循官方指令并在本地设置环境(运行在macOS catalina、tensorflow 2.2、python3.6等上)

然而，推理管道的非最大补充(NMS)部分似乎不起作用，因为在某些情况下，不同类的边界框重叠几乎完成。我对代码进行了调试，以确保在推理管道中调用NMS (对象检测/core/post_processing.py中的batch_multiclass_non_max_suppression方法)的对象检测api实现，以获得更快的-RCNN模型。在推理时，Fast体系结构调用了它的两倍。

我为GCPs AI-Platform TPU使用的指令是官方对象检测api页面中的指令：链接。我修改了培训参数，以使用GCP上支持的TPU运行时和Python版本，因为不支持实际示例。相反，我用：

gcloud ai-平台作业提交培训whoamiobject_detectiondate +%m_%d_%Y_%H_%M_%S

-作业-dir=gs://${MODEL_DIR}

-包裹-路径./对象_检测

-模块-名称object_detection.model_main_tf2

-运行时-版本2.2

-python-版本3.7

-规模-层BASIC_TPU

-美国地区-中央1

--

-使用tpu真

-模型_dir=gs://${MODEL_DIR}

--pipeline_config_path=gs://${PIPELINE_CONFIG_PATH}

用于培训的dataset是官方对象检测api页面( 链接 )中的Pets示例。但是，为了保持一致性，我使用Tensorflow 2对象检测API 2方法导出了它。

我使用的预训练神经网络是在TPU上训练的更快的R-CNN ResNet101 V1 1024x1024。

我使用的配置文件是用于TPU培训的tpu-8.config。我把班次改成了37节。我还将批数改为batch_size: 32，因为tpu v2上的gpc正在崩溃。fine_tune_checkpoint_type改为fine_tune_checkpoint_type：“检测”，我使用的唯一数据增强是random_horizontal_flip。

官方物体检测2模型动物园报告的结果是TPU培训的架构，而不是SSD。然而，官方对象检测tpu兼容性指南提到，目前SSD只支持，而非最大抑制不是。

为什么NMS不起作用？