模型太过合适了

Question

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