它检测颜色吗？

Question

一年前，我训练了一个模型来检测花朵。一年后，我再次开始这个项目，但首先我决定通过训练它来检测红色和绿色蜡笔，以确保我仍然记得。

我的过程或多或少遵循本教程 – https://github.com/EdjeElectronics/TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10

我有两个标签，绿色和红色。我有 200 个训练图像和 20 个测试图像。 使用faster_rcnn_inception。我按照这些步骤运行了我的模型。

它只检测 200 张图像就可以很好地检测蜡笔，但是根本无法区分红色和绿色蜡笔。我想也许我搞砸了设置，但如果我把蓝色笔移进去，标签就会弹出！

即使我向它提供训练图像，它也会将其中 99% 的图像分类为两个绿色笔。即使每张图片总是有两支不同的笔！！！

这个模型可以用颜色吗？还是它以某种方式转换颜色并将其弄乱？颜色很难检测，我只需要更多的训练图像？我是否可能搞砸了设置，因为它甚至无法正确分类训练图像？

我使用的配置文件在这里： https://github.com/tensorflow/models/blob/master/research/object_detection/samples/configs/faster_rcnn_inception_v2_pets.config 我已将第 9 行、第 130 行和第 108 行更改为 false。

Answer 1

一般来说，神经网络可以检测颜色。

但他们经常学会不这样做。由于色温和透视的差异，不同的颜色可以产生相同或相似的像素级值。因此，当在更大的数据集上进行训练时，网络往往会变得高度不可知论。不幸的是，我只能凭直觉说话，无法提供任何示例或参考，但上图应该可以让您了解原因。

在您的情况下，由于存在检测对象框的竞争任务这一事实，问题变得更加复杂。由于在再训练期间检测网络可能对颜色等弱线索不敏感。

为了解决这种情况，我建议您在再训练期间仔细检查您的分类准确性。据我所知，教程代码仅提供损失值。人们应该期望在再训练期间，至少训练集应该几乎完美地过拟合，即绿色和红色蜡笔必须变得可区分。如果不是，那么训练更长时间或降低学习率可能是有意义的。