我'm training a model to detect meteors within a picture of the night sky and I have a fairly small dataset with about 85 images and each image is annotated with a bounding box. I'm使用从ssd_mobilenet_v1_coco_11_06_2017检查点和Tensorflow 1.4开始的转移学习技术 . 我在管道配置中使用数据增强来水平，垂直和旋转90度随机翻转图像 . 经过5000步后，模型收敛到大约0.3的损失并将检测流星，但似乎重要的是流星所在的图像中的位置 . 我是否必须通过举例说明每个可能的位置来训练模型？我附上了一个检测运行样本，我在整个图像上平铺了一颗流星，并接收了不同级别的检测（过滤到50％） . 我怎样才能改善这个？ detected meteors in image example
1 回答
它很可能是您的数据，我认为您通过改善数据集的异构性做出谨慎的举动，但它也可以是您选择的模型 .
值得注意的是，相对于TensorFlow对象检测API model zoo中的其他模型，ssd_mobilenet_v1_coco具有最低的COCO mAP . 您没有尝试检测COCO对象，但mAP编号是通用模型精度的合理近似值 .
在最高级别，模型的选择主要是速度/准确度之间的权衡 . 您选择的模型ssd_mobilenet_v1_coco有利于速度超过准确性 . 因此，在您花费大量时间预处理图像之前，我建议您尝试使用其中一个更快的RCNN模型（例如，faster_rcnn_inception_v2_coco） .