目标检测模型卡在低 mAP答案

【问题标题】：Object Detection model stuck at low mAP目标检测模型卡在低 mAP
【发布时间】：2020-04-28 14:06:21
【问题描述】：

我正在尝试重现 MobileNetV2 论文 (arXiv:1801.04381) 中报告的 SSDLite 模型的结果，它应该在 COCO 检测挑战中实现约 22.1% 的 mAP。但是，我被困在 9% 的 mAP 上。这是一种奇怪的行为，因为该模型确实有些工作，但与报告的结果相去甚远。这么大的差距是由超参数/优化器选择造成的（我使用的是 adam 而不是 sgd），还是几乎可以肯定我的实现中存在错误？

还值得一提的是，该模型成功地过拟合了训练集的一小部分，但在整个训练集上，损失似乎很快就达到了稳定水平。

有没有人遇到过类似的问题？

【问题讨论】：

要重现结果，您必须使用相同的超参数，包括优化器和任何学习率计划。

标签： tensorflow machine-learning deep-learning computer-vision object-detection

【解决方案1】：

这么大的差距是由超参数/优化器选择造成的吗（我使用 adam 而不是 sgd），或者几乎可以肯定存在是我的实现中的错误吗？

即使超参数的微小变化和不同的优化器选择也会对训练和分类器的最终精度产生很大影响。因此，您的低精度可能不一定是由于错误，但也可能是由于错误的参数化。

还值得一提的是，该模型成功地过拟合训练集的一小部分，但在整个训练集上损失似乎很快就达到了稳定水平。

您似乎遇到了仅适用于数据子集的局部最优，这也可能是次优参数化的指针。

就像@Matias Valdenegro 也提到的那样，要重现确切的结果，您可能必须使用与原始实现相同的参数。

【讨论】：