我正在使用Tensorflow Object Detection API来训练3个物体的探测器，这些物体具有与日常物品不同的外观 . 我收集了自己的数据集，并且从预先培训的Faster-RCNN ResNet101模型中获得了很好的结果 . 在网络的模型配置中，为second_stage_post_processing设置以下参数是否有意义？
max_detections_per_class: 1
max_total_detections: 3
由于在我的训练和测试环境中，可能出现的最大对象数为3（每个类1个实例） . 但我不确定这些参数是否适用于培训 . 对于第二阶段BoxClassifier，如果max_total_detection为3，这是否意味着损失将从一个训练图像的最大3个预测（边界框标签）计算出来？如果是这样，似乎该模型失去了很多学习“背景”课程的机会 . 如果没有，有什么好的 Value 可以使用？