tensorflow - 目标检测模型陷入低 mAP

Question

我正在尝试重现 MobileNetV2 论文 (arXiv:1801.04381​​) 中报告的 SSDLite 模型的结果，该结果应在 COCO 检测挑战中实现约 22.1% 的 mAP。然而，我的 mAP 停留在 9%。这是奇怪的行为，因为该模型确实在一定程度上发挥了作用，但与报告的结果仍然相去甚远。这么大的差距是由超参数/优化器选择引起的(我使用的是 adam 而不是 sgd)，还是几乎可以肯定我的实现中存在错误？

还值得一提的是，该模型成功地过度拟合了训练集的一小部分，但在整个训练集上，损失似乎很快就达到了稳定水平。

有人遇到过类似的问题吗？

Answer 1

Can this much of a gap be caused by hyperparameters/optimizer choices (I am using adam instead of sgd), or is it almost certain that there is a bug in my implementation?

即使超参数的微小变化和不同的优化器选择也会对分类器的训练和最终精度产生很大影响。因此，您的低精度可能不一定是由于错误造成的，但也可能是由于错误的参数化造成的。

It is also worth mentioning that the model successfully overfits a small subset of the training set, but on the whole training set the loss seems to reach a plateau fairly quickly.

似乎您遇到了局部最优，它仅适用于数据的子集，这也可能是次优参数化的指针。

就像 @Matias Valdenegro 也提到的那样，要重现准确的结果，您可能必须使用与原始实现中相同的参数。