[英]CNN Object detection: How to reduce high false positive rates
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!
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。
您也可以嘗試增加 RPN 的 NMS 閾值。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.