使用 ssd_mobilenet 之前的标准化图像答案

【问题标题】：normalization image before using ssd_mobilenet使用 ssd_mobilenet 之前的标准化图像
【发布时间】：2019-08-14 09:31:05
【问题描述】：

我尝试在自己的数据集中训练 ssd-mobilenet：训练图像：3400，大小：1600*1200 测试集：800，大小：1600 *1200 tensorflow -gpu：1.13.1 gpu：4GB cuda 10.0 cudnn 7 对象：像鳄鱼裂缝一样的道路损坏，但在 197000 步之后我的训练损失不能下降 2。我有 2 个问题在使用像 ssd_mobilenet 这样的预训练模型之前，我是否应该规范化我的训练和设置图像？如是我应该对标准化的图像进行注释吗？我真的需要帮助。提前致谢

【问题讨论】：

您是否使用 TF 对象检测 API 来训练模型？
是的，我使用 tensorflow 对象检测 API

标签： tensorflow deep-learning database-normalization object-detection-api pre-trained-model

【解决方案1】：

在使用像 ssd_mobilenet 这样的预训练模型之前，我是否应该标准化我的训练和设置图像？

没有。假设您正确定义了训练管道（请参阅 TF 模型存储库中的示例），对象检测 API 将负责定义所需的适当图像转换（缩放、填充、归一化等），以使输入与型号。

【讨论】：

好的，但是为什么我的训练损失收敛缓慢。感谢您的帮助
“在 197000 步之后，我的训练损失不能下降”，在我看来，您的网络已经收敛。根据我的经验，对于小型数据集，200k 步在微调方面是相当多的。您的网络是否收敛到可接受的性能水平是另一个问题（模型是否最适合您正在处理的任务？您的数据集是否难以检测？默认网络配置是否适合您？等等）
谢谢。对于模型，我认为是的，因为我尝试像 github.com/sekilab/RoadDamageDetector 这样训练我的模型，但它们的图像大小是 600*600。我使用默认配置。