tensorflow对象检测api用于对象检测，但效果不佳

Question

我使用tensorflow对象检测接口和RFCN_resnet101对小对象进行检测，但有时检测效果不好，会检测到有偏移量的对象，有时会错误地检测到对象。有谁知道如何处理它吗？

Answer 1

调试对象检测可能很棘手。我建议检查输入数据(有意义吗)：

1. 当与图像叠加时，是否可以正确显示对象边界框？
2. 准备训练数据时，是否使用像素框坐标(与归一化相比)？
3. 您的框是否太小或超出图像边界导致张量NaN错误？
4. 您的图像是否太大并导致CUDA内存不足错误？

一旦您对输入数据感到满意，并且能够成功地生成TF记录文件以进行培训和评估。我建议问以下问题：

1. 您是否正在训练网络，以便在多个GPU上进行足够多的全局迭代(例如，200K)，并且批处理大小足够大？
2. 在评估几个映像时，您是否获得了合理的检测结果，例如，通过指定以下配置文件：

eval_config: { num_examples: 1000 num_visualizations: 16 min_score_threshold: 0.15 # Note: The below line limits the evaluation process to 10 evaluations. # Remove the below line to evaluate indefinitely. max_evals: 1 }

在这里，当你运行eval.py脚本时，num_visualizations将在tensorboard中创建一个images标签，你将能够可视化检测并改变你微调预训练模型的eval.py IoU，例如检查以确保你有fine_tune_checkpoint: "/path/to/model.ckpt" from_detection_checkpoint: true

最后，TensorFlow对象检测API的美妙之处在于，您可以尝试不同的对象检测模型:更快的R-CNN，YOLO，SSD，它们具有不同的速度-精度折衷，而不需要太多额外的工作。您可能会发现不同的对象检测器更适合您的应用程序。

Answer 2

为什么不使用faster_rcnn_inception_resnet_v2_atrous_coco ...对于小对象，其my goto选项