2024-06-15 03:20:10 发布
网友
我正试图用我自己注释的大约400张图片来改进mobilenet\u v2对船只的检测,但是当我冻结图形时,会不断得到一个不合适的模型(检测是随机的,实际上似乎不是检测,而只是随机地放置一个推断)。我走了两万步,损失了2.3分
我想知道TF怎么知道我在用我的定制标签地图训练它
编号:1
Name:'船'
与mscoco标签地图中的船(ID为9)相同
或者,通过使用ID 1,我是否在训练模特们对一个人看起来像一艘船的想法
事先谢谢你的建议
所以我设法解决了这个问题
我们从头开始创建注释工具,无论我尝试执行多少步或各种修复,每次训练时都会导致拟合不足的问题是,在创建边界框时,没有检查xmin和ymin坐标是否小于xmax和ymax没有意识到这将是一个如此大的问题,但在创建一个非常简单的检查,以确保坐标是正确的培训顺利运行
模型使用您给它的类别标签(数字)。字符串“boat”只是为了方便阅读输出而进行的翻译
如果您有一个模型已经学会了将一组40个图像识别为类9,那么给它一个非常类似的图像,您坚持认为它是类1,这会使它混淆。这样做会促使模型提高9船和新1船之间差异的重要性。如果没有显著差异,那么权重的变化会发现你不关心的意外特征
9
1
结果是一个模型的效率大大降低
所以我设法解决了这个问题
我们从头开始创建注释工具,无论我尝试执行多少步或各种修复,每次训练时都会导致拟合不足的问题是,在创建边界框时,没有检查xmin和ymin坐标是否小于xmax和ymax没有意识到这将是一个如此大的问题,但在创建一个非常简单的检查,以确保坐标是正确的培训顺利运行
模型使用您给它的类别标签(数字)。字符串“boat”只是为了方便阅读输出而进行的翻译
如果您有一个模型已经学会了将一组40个图像识别为类
9
,那么给它一个非常类似的图像,您坚持认为它是类1
,这会使它混淆。这样做会促使模型提高9
船和新1
船之间差异的重要性。如果没有显著差异,那么权重的变化会发现你不关心的意外特征结果是一个模型的效率大大降低
相关问题 更多 >
编程相关推荐