我正在玩TensorFlow的全新Object Detection API，并决定在其他一些公开的数据集上进行训练 .
我碰巧偶然发现this杂货数据集，其中包括超市货架上各种品牌香烟盒的图像，以及一个文本文件，其中列出了每个图像中每个香烟盒的边界框 . 数据集中已标注10个主要品牌，所有其他品牌均属于第11类"miscellaneous"类别 .
我跟着他们的tutorial并设法在这个数据集上训练模型 . 由于处理能力的限制，我只使用了数据集的三分之一，并进行了70:30分割，用于训练和测试数据 . 我使用了faster_rcnn_resnet101模型 . 配置文件中的所有参数与TF提供的默认参数相同 .
在16491个全局步骤之后，我在一些图像上测试了模型，但我对结果不太满意 -
无法在顶层检测到Camels，而在其他图像中检测到产品
为什么它无法检测到顶行的万宝路？
我遇到的另一个问题是模型从未检测到除标签1之外的任何其他标签
未从训练数据中检测到产品的裁剪实例
即使在负像中，它也可以99％的置信度检测香烟盒！
有人可以帮我解决问题吗？我该怎么做才能提高准确度？为什么它会检测到属于第1类的所有产品，尽管我已经提到总共有11个类？
Edit 添加了我的标签贴图：
item {
id: 1
name: '1'
}
item {
id: 2
name: '2'
}
item {
id: 3
name: '3'
}
item {
id: 4
name: '4'
}
item {
id: 5
name: '5'
}
item {
id: 6
name: '6'
}
item {
id: 7
name: '7'
}
item {
id: 8
name: '8'
}
item {
id: 9
name: '9'
}
item {
id: 10
name: '10'
}
item {
id: 11
name: '11'
}
3 回答
所以我想我弄清楚发生了什么 . 我对数据集进行了一些分析，发现它偏向于类别1的对象 .
这是每个类别的频率分布从1到11（基于0的索引）
我猜这个模型正在达到一个局部最小值，只是将所有内容标记为类别1就足够了 .
关于没有检测到一些盒子的问题：我再次尝试了培训，但这次我没有区分品牌 . 相反，我试图教模型香烟盒是什么 . 它仍然没有检测到所有的盒子 .
然后我决定裁剪输入图像并将其作为输入提供 . 只是为了看看结果是否有所改善而且确实如此！
事实证明，输入图像的尺寸远大于模型所接受的600 x 1024 . 因此，它将这些图像缩小到600 x 1024，这意味着香烟盒正在丢失它们的细节:)
因此，我决定测试原始模型，该模型在所有类别上都经过裁剪图像训练，它的工作方式就像魅力:)
这是原始图像上模型的输出
当我裁剪左上角并将其作为输入时，这是模型的输出 .
谢谢大家的帮助！并祝贺TensorFlow团队为API做出了惊人的工作:)现在每个人都可以训练对象检测模型！
数据集中有多少个图像？您拥有的训练数据越多，API执行的越多 . 我尝试每班约20张图像进行训练，准确度非常差 . 我几乎遇到了你上面提到的所有问题 . 当我生成更多数据时，准确性大大提高 .
PS：对不起，我没有评论，因为我没有足够的声誉
看起来，数据集的大小相当小 . Resnet是一个大型网络，需要更多数据才能正常训练 .
该怎么办：
增加数据集大小
使用预先训练好的网络并对数据集进行微调（您可能已经这样做了）
使用数据增强（调整大小，模糊，......;翻转可能不适合此数据集） .