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'
}