我在玩TensorFlow的全新Object Detection API,并决定在其他公开可用的数据集上进行训练。TensorFlow对象检测API怪异行为
我碰巧偶然发现了this grocery dataset,它包含超市货架上各种品牌香烟盒的图像以及一个文本文件,其中列出了每张图像中每个香烟盒的边界框。数据集中有10个主要品牌被标注,其他所有品牌都属于第11个“杂项”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,我只使用了三分之一的数据集,并进行了70:30的分割以用于训练和测试数据。我使用了faster_rcnn_resnet101模型。我的配置文件中的所有参数都与TF提供的默认参数相同。
后16491层全球的步骤,我测试了一些图像的模型,但我不是太满意的结果 -
产品不从训练数据中检测到的产品的作物实例
即使在负面图像中,它仍能以99%的置信度检测烟盒!
有人可以帮我解决问题吗?我能做些什么来提高准确性?为什么它检测到所有属于第1类的产品,即使我提到共有11类?
编辑加我的标记图:
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'
}
你能为你的工作提供标签地图吗? –
@JonathanHuang我在编辑 –
中添加了我的标签地图谢谢,这看起来很好。正如其他人所说的那样,您可能需要更多的数据,但我为什么总是预测同一个班级,这很令人困惑......也许您需要再次检查TFRecord文件吗? –