我在做一个交通标志识别系统。我使用GTSDB数据集和Tensorflow对象检测API来训练和测试模型。你知道吗
数据集包含1000个图像,每个图像的大小为{1360*800},类的数量为43。你知道吗
我试过培训SSD\u MobileNet\u v1模型(标签映射旁边的配置文件和测试.rocord文件可以在GitHub存储库https://github.com/P4ulSZ/Model-Doesn-t-Detect-Objects中找到,但我得到了一些严重错误的准确性。你知道吗
以下是我得到的一些结果: 是的,它确实从很远的地方发现了这个标志,但不是近的那个!你知道吗
这是总损失图。损失在大约4500个周期后停止减少,但是损失大约是2.5,我认为这是相当大的,如果我训练更多的周期,损失将会减少。
我把这个模型训练了12500个时代,这让我觉得我的模型太适合了。你知道吗
我的问题是:模型是否真的过度拟合,或者这可能是另一个问题的结果?如果太合适了,你建议我为几个时代训练这个模型?你知道吗
我还了解到,SSD并不总是能很好地处理小对象,而且往往会给出相对较低的精度,这就是为什么我计划使用更快的RCNN\u ResNet50模型来代替。你知道吗
另外,如果您对我应该使用什么样的数据扩充选项有任何建议,我们将不胜感激。你知道吗
目前没有回答
相关问题 更多 >
编程相关推荐