TensorFlow 自定义对象检测结果令人失望 - 为什么？
TensorFlow Custom Object Detection Disappointing Result - Why?
两周前我刚刚开始 TF 对象检测 API，并设法训练了一个模型来识别自定义对象，在我的例子中是麦克纳姆轮。
详情如下：
- 没有。训练图像 = 125
- 所有训练图像大约为 500 x 500（正负）
- T运行停止学习
- 使用的型号 = ssd_mobilenet_v1_coco
- 批量大小 = 2
- 总步数运行 = 12715
- 损失在0.5000 - 2.5000左右，有的时候涨到10多，不知道为什么
结果如下：
first image 令人鼓舞。
second image 开始让我有点失望了。我希望该模型能够检测到四个（四个盒子）麦克纳姆轮。为什么？
然后，我怀疑我训练的模型有问题。我尝试了示例测试图像 third image and fourth image，然后我确定这完全不是我最初瞄准的模型。
我一直在读这个 which I think our problems are quite similar (and he manage to solve it). He mentioned that the input image needs to be less than 600 x 1024, so I tried with fifth image 不出所料，结果再次令人失望。
我浏览了 sentdex 的教程系列，在评论部分，我注意到有很多人也面临这个问题。那么，现在该怎么办？
有人可以帮我编辑列表吗？为什么我不能进入一段一列表？
125 张图片？您将无法使用那么多图像获得非常好的结果。如果您想验证这确实是问题所在，请尝试仅使用原始 125 张图像的子集进行训练。
例如，当你训练 10 张图像时，输出有多糟糕？
当你使用 50 张图像时它会变得更好吗？
当你使用 125 张图像时它会变得更好吗？
如果准确性随着数据集大小的增加而提高，您可以推断并猜测使用 1000 张图像，您将能够做得更好。我想那是你的问题。
两周前我刚刚开始 TF 对象检测 API，并设法训练了一个模型来识别自定义对象，在我的例子中是麦克纳姆轮。
详情如下：
- 没有。训练图像 = 125
- 所有训练图像大约为 500 x 500（正负）
- T运行停止学习
- 使用的型号 = ssd_mobilenet_v1_coco
- 批量大小 = 2
- 总步数运行 = 12715
- 损失在0.5000 - 2.5000左右，有的时候涨到10多，不知道为什么
结果如下： first image 令人鼓舞。
second image 开始让我有点失望了。我希望该模型能够检测到四个（四个盒子）麦克纳姆轮。为什么？
然后，我怀疑我训练的模型有问题。我尝试了示例测试图像 third image and fourth image，然后我确定这完全不是我最初瞄准的模型。
我一直在读这个
我浏览了 sentdex 的教程系列，在评论部分，我注意到有很多人也面临这个问题。那么，现在该怎么办？
有人可以帮我编辑列表吗？为什么我不能进入一段一列表？
125 张图片？您将无法使用那么多图像获得非常好的结果。如果您想验证这确实是问题所在，请尝试仅使用原始 125 张图像的子集进行训练。
例如，当你训练 10 张图像时，输出有多糟糕？
当你使用 50 张图像时它会变得更好吗？
当你使用 125 张图像时它会变得更好吗？
如果准确性随着数据集大小的增加而提高，您可以推断并猜测使用 1000 张图像，您将能够做得更好。我想那是你的问题。