我在玩TensorFlow的全新Object Detection API,並決定在其他公開可用的數據集上進行訓練。TensorFlow對象檢測API怪異行爲
我碰巧偶然發現了this grocery dataset,它包含超市貨架上各種品牌香菸盒的圖像以及一個文本文件,其中列出了每張圖像中每個香菸盒的邊界框。數據集中有10個主要品牌被標註,其他所有品牌都屬於第11個「雜項」類別。
我跟着他們的tutorial並設法在這個數據集上訓練模型。由於處理能力的限制,我只使用了三分之一的數據集,並進行了70:30的分割以用於訓練和測試數據。我使用了faster_rcnn_resnet101模型。我的配置文件中的所有參數都與TF提供的默認參數相同。
後16491層全球的步驟,我測試了一些圖像的模型,但我不是太滿意的結果 -
產品不從訓練數據中檢測到的產品的作物實例
即使在負面圖像中,它仍能以99%的置信度檢測煙盒!
有人可以幫我解決問題嗎?我能做些什麼來提高準確性?爲什麼它檢測到所有屬於第1類的產品,即使我提到共有11類?
編輯加我的標記圖:
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'
}
你能爲你的工作提供標籤地圖嗎? –
@JonathanHuang我在編輯 –
中添加了我的標籤地圖謝謝,這看起來很好。正如其他人所說的那樣,您可能需要更多的數據,但我爲什麼總是預測同一個班級,這很令人困惑......也許您需要再次檢查TFRecord文件嗎? –