经过长时间训练后，经过训练的模型将几乎所有内容都检测为一个类

Question

我使用 Tensorflow 和 Inception 的预训练模型训练了一个自定义人员检测器，然后经过数千步和平均 2-1 损失后，我停止了训练并使用实时视频对其进行了测试。结果非常好，只有很少的误报。它可以检测到某些人，但不是所有人，所以我决定继续训练模型，直到我的平均损失低于 1，然后再次对其进行测试。现在，即使没有物体存在，它也可以将几乎所有内容都检测为一个人，甚至是整个视频帧。这些模型似乎在图片上效果很好，但在视频上效果不佳。是不是过拟合了？

对不起，我忘记了它是多少步。我不小心删除了包含 ckpt 和 tfevents 的培训文件夹。

编辑：我忘记了我也在用相同的数据集训练相同的模型，但在云上批量大小更高作为备份，现在处于更高的步骤。我稍后会编辑帖子，并在我完成从云端下载和测试模型后提供来自 tensorboard 的信息。

edit2：我从云端下载了经过 200k 步的训练模型，它正在工作，它可以检测到人，但有时在我移动相机时将整个帧识别为“人”不到一秒钟。我想这可以通过继续训练模型来改善。 Total Loss on tensorboard

目前，我将继续在云上进行培训，并尝试记录我的每个测试结果。我还将尝试在我的数据集上调整一些图像的大小，并使用 mobilenet 在我的本地机器上对其进行训练，并比较两个模型的结果。

Answer 1

正如您所说，当训练迭代次数较少时模型表现良好，我猜预训练模型已经可以检测到人对象，而您的训练集使检测变得更糟。

这些模型似乎在图片上效果很好，但在视频上效果不佳

如果您的单张图片检测良好，那么视频也应该可以正常工作。唯一的区别可能是视频图像的分辨率和质量。因此，比较图像分辨率和视频。

这是过拟合吗？

您所说的图像和视频，如果图像用于训练，则不应使用它们来评估模型。如果模型过度拟合，它将检测训练图像，但不会检测任何其他图像。

正如您所说，模型检测到的检测过多，我认为这不是因为过度拟合，可能与您的数据集有关。我觉得

1. 您训练的数据量太少。

2. 网络模型对于数据量来说太大而复杂。尝试更小的网络，如 VGG、inception_v1(ssd mobile net) 等。

3. 训练集中使用的图像分辨率与评估图像有很大不同。
4. 学习率很重要，但我认为你的情况很好。

我认为您可以仔细检查用于训练的数据集，并尽可能多地使用数据进行训练。这些是我通常经历和浪费时间的事情。