object-detection-api - 使用 Tensorflow 对象检测 API 的自定义 SSD 模型中的许多误报
问题描述
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。
- 难道是我的模型特征仍然对 Coco 数据集对象敏感?
- 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?
解决方案
推荐阅读
- php - Zend Expressive API does not return contents of objects
- python - 如何使用线程中的数据?
- javascript - 将 Base64 作为图像发送到 Mobile Share
- python - 如何在 PyQt5 中获取小部件的边框宽度?
- python - “‘NoneType’对象没有属性‘pack_forget’”
- javascript - JavaScript prompt() 命令
- javascript - C#和JS的SQL语句区别
- jenkins - 如何使用 Jenkins 构建流水线基础
- azure-active-directory - 添加需要管理员同意的权限时获得 Azure AD 同意
- java - 用于 instagram 的 Java bot 在 Windows 上的工作方式与在 ubuntu 上的工作方式不同