每10k-12k步骤使用ssd_mobilenet_v2_quantized_300x300_coco的对象检测模型的丢失增加

Question

我正在自定义数据集上训练ssd_mobilenet_v2_quantized_300x300_coco对象检测模型。 该数据集包含约2.6k图像和19个类别。 训练步骤达到10k-12k后，损耗图开始增加。 即使我将模型更改为ssd_mobilenet_v2_coco并且在相同的步距范围内， ssd_mobilenet_v2_coco发生这种情况。 我在配置文件中找不到与此行为相关的任何内容。 当使用faster_rcnn模型时， faster_rcnn消失。 当问题出现时，mAP几乎变得恒定。 准确度也不会超过50％。 谁能解释这种行为？

样本数据集：

损失图

a）ssd_mobilenet_v2_quantized_300x300_coco

b）ssd_mobilenet_v2_coco

配置文件：a）ssd_mobilenet_v2_quantized_300x300_coco

https://pastebin.com/BBwqEruK

b）ssd_mobilenet_v2_coco

https://pastebin.com/F8K0BhQV

Answer 1

那你的训练损失呢？ 请注意， total_loss是此处的验证损失。

如果您的训练损失在减少，而验证损失在增加，这显然是过度拟合的迹象，您可以在训练期间通过在配置文件中的train_config部分中添加以下内容来使用正则化损失

add_regularization_loss: true

就像batch_size: 24