Tensorflow 更快的 rcnn 提供了良好的检测，但仍然检测到 coco 对象的误报

Question

我已使用 tensorflow API 使用此处描述的过程检测吉尼斯竖琴 - https://pythonprogramming.net/introduction-use-tensorflow-object-detection-api-tutorial/。

我得到了很好的结果，只要图像中的徽标清晰，它就会很好地找到它 -

但是，在从 coco 检查点重新训练后，它仍然可以检测到我认为具有非常高置信度的 coco 对象，即人、杂志。我不知道为什么会这样。

（见下文）

我正在使用此处找到的 faster_rcnn_inception_v2_coco.config - https://github.com/tensorflow/models/blob/master/research/object_detection/samples/configs/faster_rcnn_inception_v2_coco.config

更多步骤的训练似乎没有帮助，因为总损失是平均的。以上截图来自 10,000 个训练步骤。我在cpu上训练。

我正在使用imgaug 扩充我的训练图像，下面可以看到一个示例训练图像（我在目标周围添加了调试边界框） -

但是，如果训练图像是问题所在，那么图表在检测目标时不会有问题吗？

Answer 1

我最近遇到了类似的问题，从看起来有点像欠拟合的情况来看，我尝试了多种方法来改善结果。

对我有用的东西实际上是使用库 imgaug增强数据。您可以使用简单的脚本来增加 图像 以及 边界框，尝试将数据集增加 10/12 倍。

我还建议添加一些背景图片，即。没有物体的图片，在tensorflow讨论的issues中被几个人推荐了。

再次尝试训练数据集并使用 tensorboard 对其进行监控。我认为您将能够显着减少误报的数量。