bounding box的位置和尺寸不对，如何提高准确率？

Question

我正在使用 detectron2 解决分割任务， 我正在尝试将一个对象分类为 4 类， 所以我使用了COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml。 我应用了 4 种增强变换，训练后我得到大约 0.1 全损。

但由于某些原因，bbox 的准确性在测试集上的某些图像上不是很好， bbox 绘制得更大或更小，或者没有覆盖整个对象。

此外，预测器有时会绘制很少的 bbox，它假设有很少的不同对象，尽管只有一个对象。

有什么提高准确性的建议吗？

有什么好的做法可以解决这个问题吗？

任何建议或参考 material 都会有所帮助。

Answer 1

我建议如下：

1. 确保你的训练集包含你想要检测的所有大小的对象：这样，网络就会知道对象的大小可以不同并且不太容易过度拟合（检测器可以假设你的对象应该是例如只有大）。
2. 添加数据。与其应用所有类型的增强，不如尝试添加更多数据。尽管只有一个对象，但检测到不同对象的现象使我相信您的网络不能很好地概括。我个人会选择每个 class.
至少 500 个注释

改进的最大一步将通过 (2) 实现。

一旦你有了一个不错的基线，你也可以尝试增强。