我正在训练预训练的 SSD-InceptionV2-Coco来检测“汽车”，

这是mscoco label中的类之一。

我用来自 KITTI 的约 50k 样本训练模型，500k 迭代，批量大小为 2。

我按照这个脚本生成了 tfrecord 文件。

然后我用一个视频测试原始的预训练模型和我的训练模型。

我训练的模型的性能更差。更多缺失的检测结果。

我最近发现的一件事是，当 AvgNumGroundtruthBoxesPerImage 增加时，classification_loss/localization_loss 也会增加。

编辑

我发现的另一件事是我拥有的每张图像有更多的真实框，

我拥有的每张图像的平均正锚数量越少。

这让我很困扰，因为如果每个图像生成的锚点数量是固定的，

更多的地面实况框应该为每张图像提供更多的正锚。

所以我想知道在哪里找到根本原因。

欢迎任何建议。

感谢您在我的问题上花费宝贵的时间。