我在自定义数据集上的 tensorflow 对象检测 API 上训练了一个 fast-rcnn 模型。我发现在 3.5k 步后损失约为 2。但是，当我运行 eval.py 时，mAP 分数几乎都是 0，如下所示。
我不明白为什么会这样。但是，当我查看 3.5k 步的图像时，模型已经捕获了一些框，如下所示
有人可以解释为什么 mAP 分数接近于零，即使模型已经学会了输出很多框？
tensorboard（Tensorflow Object Detection API）上的mAP分数都是0，即使损失值很低
数据挖掘
深度学习
张量流
计算机视觉
物体检测
2021-10-03 10:12:37
1个回答
我建议您进行几项检查，以确保您获得对象检测 API 的合理 mAP@IoU 分数：
- 尝试改变 Intersection over Union (IoU) 阈值，例如 0.2-0.5，看看平均精度是否有所提高。您将不得不修改
matching_iou_threshold参数object_detection/utils/object_detection_evaluation.py - 尝试不同的评估器类（默认是
EVAL_DEFAULT_METRIC = 'pascal_voc_detection_metrics'）。如果您在Open Image Dataset上进行训练，那么使用它是有意义的open_images_V2_detection_metrics 检查您的 eval 配置文件并增加评估集中使用的示例数量，例如
eval_config: { num_examples: 20000 num_visualizations: 16 min_score_threshold: 0.2 # Note: The below line limits the evaluation process to 10 evaluations. # Remove the below line to evaluate indefinitely. max_evals: 1 }- 训练对象检测器进行更多迭代
- 根据报告的指标检查当前 mAP（例如 COCO mAP@IoU=0.5）：
其它你可能感兴趣的问题