python - tensorflow 对象检测训练模型不起作用

Question

我使用 ssd 和更快的 r-cnn 模型训练我的数据集以进行 tensorflow 对象检测。我的数据集中有 220 个训练图像和 30 个测试图像。 我对模型进行了 200k 步训练，损失小于 1。但是当我在视频上测试我训练的模型时，它检测并标记了视频中的几乎所有内容。 谁能告诉我为什么会这样？ 谢谢

Answer 1

您使用的类数只有一个，您使用属于同一类的图像训练模型并对其进行测试。

所以问题是模型是倾斜的(对所有图像的预测相同) 无论您在什么图像上进行测试，都会得到相同的输出。

解决方法:

使用几乎相等数量的负面图像训练您的模型。

例如:220张包含待识别物体的图像(标记为1)和另外近220张不包含物体的图像(标记为0)

使用 F1 分数来检查您的准确性，因为它可以帮助您了解数据集是否存在偏差。

检查 this了解不同种类的准确性措施。 取this类(class)以了解有关 CNN 的更多信息。