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
最佳答案
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。
关于python - tensorflow 对象检测训练模型不起作用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47406906/