TensorFlow 对象检测异常大的边界框和错误的结果

Question

我正在 TensorFlow 中构建一个对象检测器来检测有和没有头盔的摩托车骑手，我有 1000 张图像，分别用于有头盔的骑手、没有头盔的骑手和行人（加起来 -- 3000 张图像），我的最后一个检查点是 35267 步，我已经使用交通视频进行了测试，但我看到异常大的边界框结果错误。有人可以解释这种检测的原因吗？我需要等待至少 50000 步吗？或者我需要添加数据集（与交通摄像头成角度的图像）吗？

模型 - SSD Mobilenet COCO - 自定义对象检测， 培训平台 - Google Colab

请查找附件Video Snapshot 1

Video Snapshot 2

第 2 天 - 2018 年 10 月 30 日

我今天用图像进行了测试，我得到了不同的结果，似乎是正确的，如果我用图像中的单个对象进行测试，第二天。请查找结果 Single Object IMage Test 1 Single Object Image Test 2

经过测试的检查点 - 52,000 步

但是，如果我在道路上使用多个对象的图像进行测试，检测结果是错误的，并且边界框变大了，是不是因为数据集，因为我正在与 One Motorbike 骑手（带或不带头盔）一起训练) 每张图片。

请找出错误的结果

Multi Object Image Test Multi Object Image Test

我也测试了场景中所有摩托车的图像，在这种情况下，我没有得到任何结果，请查找图像

No Result Image No Result Image

结果很混乱，有什么我遗漏的吗？，

Answer 1

没有必要等到 50000 epocs 你应该在 35k 甚至 10k 中获得不错的结果。我建议

1. 再次检查您的数据集并检查所有边界框（数据清理）
2. 使用推理代码检查您的模型是否有批量标准化等更改
3. 添加更多具有不同特征、角度和颜色复杂性的数据

在继续之前，我会检查这些要点。