tensorflowjs 对象检测 coco ssd 配置文件 max_total_detections 说明
tensorflowjs object detection coco ssd config file max_total_detections explanation
谁能快速解释或证实我的猜测，即：
max_detections_per_class: 100
max_total_detections: 100
就我而言 ssdlite_mobilenet_v2_coco.config
第 134 和 135 行。
根据预测的原始输出，我的猜测是预测总是“尝试”检测图像中的 100 个对象，而不管图像中对象的实际数量。假设只有一只猫，在我返回的原始预测数据中仍然会检测到 100 个对象。如果模型训练正确，当然应该只有一个预测得分高。
对吗？
谢谢！
是的，你是对的。
它将尝试检测 100 个对象。
然后将对这 100 个检测结果进行分类，其中只有一个应该被正确识别为猫。
但这也取决于您的非最大抑制配置。如果 NMS 具有低分数阈值和高 IoU，它可以显示猫的多个检测（我的意思是重叠检测）。
你可以弄乱这些值，但从已发表的论文来看，每张图像的最大检测数应该总是比图像中的实际物体多 ~3 倍。
根据我的经验，即使在我的数据中图像中的对象较少（例如，每张图像 1 个），我也能获得更好的结果。
谁能快速解释或证实我的猜测，即：
max_detections_per_class: 100
max_total_detections: 100
就我而言 ssdlite_mobilenet_v2_coco.config
第 134 和 135 行。
根据预测的原始输出，我的猜测是预测总是“尝试”检测图像中的 100 个对象，而不管图像中对象的实际数量。假设只有一只猫，在我返回的原始预测数据中仍然会检测到 100 个对象。如果模型训练正确，当然应该只有一个预测得分高。
对吗？ 谢谢！
是的，你是对的。 它将尝试检测 100 个对象。
然后将对这 100 个检测结果进行分类，其中只有一个应该被正确识别为猫。 但这也取决于您的非最大抑制配置。如果 NMS 具有低分数阈值和高 IoU，它可以显示猫的多个检测（我的意思是重叠检测）。
你可以弄乱这些值，但从已发表的论文来看，每张图像的最大检测数应该总是比图像中的实际物体多 ~3 倍。
根据我的经验，即使在我的数据中图像中的对象较少（例如，每张图像 1 个），我也能获得更好的结果。