訓練獨立Object檢測模型

Question

我正在開展一個研究項目，在給定此類材料的輸入圖像的情況下檢測和分割材料中的兩種不同缺陷。

我首先關注一個缺陷，因為它在訓練集中占主導地位。 我實現了MaskRCNN (Matterport) model 並適用於 PNG 注釋掩碼。 經過一段時間的微調后，它工作得非常好。

對於你們大多數人來說，這可能很天真/容易，但我的問題是：

• 如果計算時間/功率不是限制，為每個對象的 class 訓練獨立模型（兩個模型，每個模型用於每個缺陷）是否更可取/有利？ 我會將圖像並行提供給兩個模型，一個將返回缺陷 1 的實例，另一個將返回缺陷 2 的實例。

這個問題的原因是我覺得如果你訓練單個 model 進行多類檢測，在嘗試最小化損失時可能會發生，因為你正在優化整體損失，你正在優化權重以使兩者都能正常工作類，但您沒有分別優化每個 class 的權重和損失，您可能會損失一些檢測/分割精度。

一種常見的方法是嘗試兩種替代方案：1. 兩個類都使用單個 model 和 2. 兩個類使用兩個獨立模型。

我最終將實現這兩種選擇並進行比較。 但是，我想知道第二個替代方案是否已經過測試，以及如果這篇研究中有一篇論文，為了正確證明這個替代方案的合理性，有什么經驗。

Answer 1

在大多數情況下，如果你為每個類訓練一個單獨的 model，當你有很多類並且計算資源不是問題時，它會提高性能。 但正如我猜想的那樣，你只有兩個類，所以通過訓練兩個不同的模型，你不會看到准確性有太大的提高。 您可以嘗試這兩種方法，但是當有許多類要檢測時，您將受益匪淺。