object-detection-api - 使用 Tensorflow 对象检测 API 的自定义 SSD 模型中的许多误报

Question

我的模型有 2 个类（没有背景类），并使用带有 ssd_mobilenet_v2_coco 的迁移学习进行训练。它可以很好地检测和分类训练过的对象。但是，在新图像上，它还会检测到许多背景的误报边界框。有时，检测到的背景对象是存在于 coco 数据集中的对象（例如杯子），但不仅如此 - 黑屏也被检测为对象。

1. 难道是我的模型特征仍然对 Coco 数据集对象敏感？
2. 我认为在配置文件中，与此问题相关的部分是 hard_example_miner。但是我不明白这有什么关系以及是否应该更改当前配置。

这是我正在使用的配置：

hard_example_miner {

num_hard_examples: 3000

iou_threshold: 0.99

loss_type: CLASSIFICATION

max_negatives_per_positive: 3

in_negatives_per_image: 3

}

我应该对此进行任何更改吗？或任何其他解决方案来改进背景图像上的模型？

标签： object-detection-api