测试数据上的对象检测地图分数过高

Question

我在自己定制的肉牛数据集上训练了多个深度学习对象检测模型。我计划比较它们和YOLO版本3之间模型的性能。为此，我使用legacy/eval.py获取经过训练的模型的映射。目前，我已通过运行以下代码尝试获得更快RCNN ResNet-50的地图-

python legacy/eval.py --logtostderr --pipeline_config_path=training/faster_rcnn_resnet50.config checkpoint_dir=training/ --eval_dir=eval/

在测试数据集上运行评估后，它将mAP显示为>；0.99太高了。同一模型在COCO数据集上获得了~0.3。在训练数据集上进行评估时，拥有如此高的映射是否正常

我的制度如下：

python 3.6
tensorflow 1.5 (gpu)
number of training image ~2800
number of test image ~400
evaluated on test image