我正在应用 tensorflow 对象检测 api 来构建一个模型来检测单个对象。我自己的数据集包含 2150 张用于训练的图像和 540 张用于测试的图像。
所有图片的尺寸为 1920（宽）乘 1080（高）。每个图像中的对象非常小，大约为 55 x 15。此外，还有很多噪点。这是我的数据集的示例图像，已正确识别（大多数图像无法识别）：
detetion_model_zoo中的所有型号我都试过了，没有一个给我满意的结果。 训练后mAP非常低。精度只有大约 0.3。下面是使用ssd_inception_v2_coco的评测：
有什么改进模型的建议吗？非常感谢！
【问题讨论】：
标签： python api tensorflow object-detection
我会推荐以下几点：
1) 将您的图像分成较小的裁剪，以便感兴趣的对象最终变得更大一些。您可以在推理时执行此操作，也可以对作物进行训练和推理。如果有些作物没有任何有趣的东西，请不要担心。
2) 使用更强大的模型，例如更快的 r-cnn with resnet 或 inception resnet。
3) 弄清楚人类的表现是什么，以了解您的机器学习系统的性能上限可能是多少。
【讨论】：
rfcn_resnet101 训练了一个模型。令人惊讶的是，它表现不佳，这意味着模型无法“看到”新图像中的任何对象。你知道为什么会这样吗？
rfcn_resnet101 没有学到任何东西。我确实尝试过对火车数据集进行评估，但它仍然无法检测到任何东西。看起来它也发生在其他几个人身上。 stackoverflow.com/questions/45546556/…