CNN 對象檢測：如何降低高誤報率

Question

我目前在 WIDER-FACE 數據上的 Tensorflow 對象檢測 API 上使用 Faster RCNN 和 inception v2，我有很多高分的誤報（> 0.98，因此設置更高的分數閾值無濟於事）。 我已經在我的代碼中分配了困難示例挖掘，但它沒有多大幫助。 對於圖像預處理，我使用tf.image.sample_distorted_bounding_box從原始圖像中隨機裁剪了一個區域，並將其大小調整為 300*300。 調整大小的圖像將以 0.5 的概率隨機翻轉

我將批量大小設置為 32 並且對於每個圖像，硬負挖掘操作中的正：負比為32:32 。 我設置IoU > 0.5為正， IoU < 0.3為負。 對於 IoU 介於 0.5 和 0.3 之間的樣本被忽略

誰能幫我這個？ 非常感謝！

Answer 1

通常正例和反例的比例設置為 1:3。 可能是因為在您的模型中比率設置為 1:1，模型沒有看到足夠的反例。

您還可以嘗試進行錯誤分析並檢查哪些是具有高置信度的誤報。 也許它們是特定類型的，如果是這樣 - 將這種類型的反例添加到您的訓練數據中。

Answer 2

您也可以嘗試增加 RPN 的 NMS 閾值。