[英]False positives in faster-rcnn object detection
我正在使用tensorflow和faster_rcnn_inception_v2_coco
模型訓練一個物體探測器,並且在對視頻進行分類時遇到很多誤報。
經過一些研究,我發現我需要在訓練過程中添加負面圖像。
如何將這些添加到tfrecord
文件? 我在這里使用了教程中提供的csv到tfrecord
文件代碼。
此外,似乎ssd在配置中有一個hard_example_miner
允許配置此行為,但這似乎不是更快的rcnn的情況? 有沒有辦法在更快的rcnn上實現類似的東西?
我用更快的RCNN遇到了同樣的問題,雖然你實際上不能 將hard_example_miner與更快的RCNN模型一起使用,但你可以添加一些背景圖像 ,即。 沒有對象的圖像(一切都保持不變,除了xml中沒有該特定圖片的對象標記)
實際上對我來說奇跡的另一件事是使用imgaug庫 ,你可以使用相同的腳本擴充圖像和邊界框 。 嘗試將訓練數據增加10或15倍,然后我建議你再次訓練大約150000-200000步。
這兩個步驟幫助我有效地減少了誤報的數量。
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.