时间戳

首页 > 解决方案 > 使用 SSD MobileNetv2 进行对象检测和高损失值的配置中的图像增强选项

deep-learning - 使用 SSD MobileNetv2 进行对象检测和高损失值的配置中的图像增强选项

问题描述

我注意到，当我包含如下图像增强选项来训练我的对象检测模型时，损失值非常高，例如 30K 和 65K，这与我不使用这些选项时不同

为什么呢？请注意，我只在最初的几百步中观察到了这一点，并且婴儿没有让我的模型坐太久

65K损失值与这些

data_augmentation_options {
    random_image_scale {
      min_scale_ratio:0.5
      min_scale_ratio:2
    }
  }  
  data_augmentation_options {
    scale_boxes_to_pixel_coordinates {
    }

      }

~30K 加上这些损失值

data_augmentation_options {
    random_image_scale {
      min_scale_ratio:0.5
      min_scale_ratio:2
    }
  }
  data_augmentation_options {
    random_pixel_value_scale {
    }
  }
  data_augmentation_options {
    random_crop_image {
    }
  }
  data_augmentation_options {
    scale_boxes_to_pixel_coordinates {
    }
  }

标签： deep-learningcomputer-visionobject-detectiondata-augmentation

解决方案

我昨天也观察到了同样的情况，并为我提出了以下观察结果。如果您只是观察几个步骤的训练，它无法像使用非增强数据集那样快速地概括整个测试集。在这里，您必须看到一个像更大的数据集一样的增强数据集，其中有更多的变化。但是这里的信息从第一个 epoch 开始就无法获得，需要一些时间才能在训练期间暴露出这种差异。

因此，只需尝试更长时间地训练它并观察结果，结果应该会有所改善。

推荐阅读