Я могу попытаться сделать это, но я не понимаю, почему он маркирует объекты с вероятностью 99% после ~ 16000 глобальных шагов. Разве он не должен научиться хоть что-то различать между брендами?
ал с новым TensorFlowAPI обнаружения объектов и решил обучить его другим общедоступным наборам данных.
Я наткнулся наэтот набор продуктовых данных, который состоит из изображений коробок с сигаретами различных марок на полке супермаркета вместе с текстовым файлом, в котором перечислены ограничительные рамки каждой коробки с сигаретами на каждом изображении. 10 основных брендов были помечены в наборе данных, а все остальные бренды попадают в 11-ю «разную» категорию.
Я следовал за ихруководство и удалось обучить модель на этом наборе данных. Из-за ограничений вычислительной мощности я использовал только треть набора данных и выполнил разделение 70:30 для обучения и тестирования данных. Я использовал модель fast_rcnn_resnet101. Все параметры в моем файле конфигурации совпадают с параметрами по умолчанию, предоставленными TF.
После 16491 глобальных шагов я протестировал модель на некоторых изображениях, но я не слишком доволен результатами -
Не удалось обнаружить верблюдов на верхней полке, в то время как он обнаруживает продукт на других изображениях
Почему он не может обнаружить Marlboros в верхнем ряду?
Другая проблема, с которой я столкнулся, заключается в том, что модель никогда не обнаруживала никакой другой метки, кроме метки
Не обнаружен экземпляр урожая продукта по данным обучения
Он обнаруживает сигаретные коробки с уверенностью 99% даже на негативных изображениях!
Может ли кто-нибудь помочь мне с тем, что идет не так? Что я могу сделать, чтобы улучшить точность? И почему он обнаруживает, что все продукты относятся к категории 1, хотя я уже упоминал, что всего существует 11 классов?
редактировать Добавлена моя карта меток:
item {
id: 1
name: '1'
}
item {
id: 2
name: '2'
}
item {
id: 3
name: '3'
}
item {
id: 4
name: '4'
}
item {
id: 5
name: '5'
}
item {
id: 6
name: '6'
}
item {
id: 7
name: '7'
}
item {
id: 8
name: '8'
}
item {
id: 9
name: '9'
}
item {
id: 10
name: '10'
}
item {
id: 11
name: '11'
}