CNN 对象检测：如何降低高误报率

Question

我目前在 WIDER-FACE 数据上的 Tensorflow 对象检测 API 上使用 Faster RCNN 和 inception v2，我有很多高分的误报（> 0.98，因此设置更高的分数阈值无济于事）。 我已经在我的代码中分配了困难示例挖掘，但它没有多大帮助。 对于图像预处理，我使用tf.image.sample_distorted_bounding_box从原始图像中随机裁剪了一个区域，并将其大小调整为 300*300。 调整大小的图像将以 0.5 的概率随机翻转

我将批量大小设置为 32 并且对于每个图像，硬负挖掘操作中的正：负比为32:32 。 我设置IoU > 0.5为正， IoU < 0.3为负。 对于 IoU 介于 0.5 和 0.3 之间的样本被忽略

谁能帮我这个？ 非常感谢！

Answer 1

通常正例和反例的比例设置为 1:3。 可能是因为在您的模型中比率设置为 1:1，模型没有看到足够的反例。

您还可以尝试进行错误分析并检查哪些是具有高置信度的误报。 也许它们是特定类型的，如果是这样 - 将这种类型的反例添加到您的训练数据中。

Answer 2

您也可以尝试增加 RPN 的 NMS 阈值。