Tensorflow對象檢測：經過訓練的模型無法預測圖像中同一對象的所有實例

Question

我正在使用Tensorflow對象檢測API訓練包含2個類的自定義數據集。 我使用的網絡是Faster RCNN + ResNet101，我利用預先訓練的模型來初始化權重。 訓練集包括總共1200張圖像，其中類別1包含20,000個實例，類別2包含6,200個實例。 訓練似乎效果很好-損失收斂良好，並且驗證集上的mAP約為88％。 但是，預測結果很奇怪。 例如：在一個圖像中，如果一個類的實例出現多次（看上去完全相同），則訓練后的模型不會預測該圖像中的所有實例。 它只預測其中的一些。 發生這種奇怪行為的原因可能是什么？

由於數據集中類實例的不平衡，我增加了類2實例，以使實例數相等。 即使使用平衡數據進行訓練，預測問題仍然存在。

我還嘗試了幾種超參數組合。 那也不能解決問題。

Answer 1

可視化模塊默認在一個圖像上最多繪制20個框，您可以通過將max_boxes_to_draw傳遞給可視化函數來增加該數量。

如果這不是問題，那么您是否嘗試過增加提案數量？ 看來每個圖像平均有約20個對象，這比COCO數據集的圖像中的平均對象數還要多。