为什么对象检测会导致找到多个对象?
Why does object detection result in multiple found objects?
我使用 CreateML 训练了一个对象检测器,当我在 CreateML 中测试模型时,我得到了大量已识别的对象:
备注:
- 该模型是在约 30 张图像的小型数据集上训练的,该特定标签
face-gendermale
出现了约 20 次。
- 每个训练图像都有 1-3 个标记对象。
- 共有 5 个标签。
问题:
- 这是预期的还是模型有问题?
- 如果这是预期的,我应该如何评估这些多个结果,甚至计算在模型中找到的对象数量?
交叉发布于 Apple Developer Forums. Photo of man © Jason Stitt | Dreamstime.com
一个典型的对象检测模型对每张图像做出大约 1000 个预测(尽管它可能更多取决于模型架构)。大多数这些预测的置信度都很低,因此被过滤掉了。然后将剩下的那些通过非最大抑制 (NMS) 发送,它会删除重叠太多的边界框。
在你的情况下,似乎 NMS 的阈值太低(或太高),因为许多重叠的框幸存下来。
不过,好像模型还没有训练好,可能是因为你用的图片太少了。
我使用 CreateML 训练了一个对象检测器,当我在 CreateML 中测试模型时,我得到了大量已识别的对象:
备注:
- 该模型是在约 30 张图像的小型数据集上训练的,该特定标签
face-gendermale
出现了约 20 次。 - 每个训练图像都有 1-3 个标记对象。
- 共有 5 个标签。
问题:
- 这是预期的还是模型有问题?
- 如果这是预期的,我应该如何评估这些多个结果,甚至计算在模型中找到的对象数量?
交叉发布于 Apple Developer Forums. Photo of man © Jason Stitt | Dreamstime.com
一个典型的对象检测模型对每张图像做出大约 1000 个预测(尽管它可能更多取决于模型架构)。大多数这些预测的置信度都很低,因此被过滤掉了。然后将剩下的那些通过非最大抑制 (NMS) 发送,它会删除重叠太多的边界框。
在你的情况下,似乎 NMS 的阈值太低(或太高),因为许多重叠的框幸存下来。
不过,好像模型还没有训练好,可能是因为你用的图片太少了。