如何将基于SSD神经网络的实时手部检测器改写为长尾词？

本文共计3711个文字，预计阅读时间需要15分钟。

【编者按】传统的追迹检测物体方法大多基于规则，面对一些复杂情况（如光照、遮挡、视角）时表现不佳。而快速神经网络的出现，使得将神经网络应用与实时物体追踪检测成为可能。IBM研究“

传统的追踪检测物体方法大多基于规则，面对一些复杂情况时（光照、遮蔽、视角）表现不佳。而快速神经网络的兴起，使神经网络应用于实时物体追踪检测成为可能。IBM研究院研究员(R

传统的追踪检测物体方法大多基于规则，面对一些复杂情况时（光照、遮蔽、视角）表现不佳。而快速神经网络的兴起，使神经网络应用于实时物体追踪检测成为可能。IBM研究院研究员(Research Staff Member)Victor Dibia在本月初发文介绍了如何使用Tensorflow框架基于SSD神经网络构建实时手部检测器。

注：本文系作者授权论智（公众号：jqr_ai）编译，请勿随意转载，引用代码请根据文末格式。

本文记录了使用Tensorflow（Object Detection API）训练一个手部检测器的步骤和代码。我主要感兴趣的是实时检测桌子上的手。我希望本文能够展示如何将神经网络应用于追踪手部（第一人称视角和其他视角），并取得良好的结果。

可以从Github获取所有的代码（包括训练好的模型）。

下图是检测器的实时演示：

和任何基于DNN/CNN的任务一样，流程中成本最高的（也是风险最大的）部分是寻找或创建正确的（标注过的）数据集。我首先尝试了牛津手部数据集进行了实验（结果不好）。我接着尝试了Egohands数据集，这个数据集更符合我的需求（第一人称视角、高质量图像、手部标注）。

一些fps数字：

• 21 FPS 使用320 * 240图像，运行时无可视化结果。