tensorflow - fast-rcnn 目标检测中的误报

Question

我正在使用 Tensorflow 和 faster_rcnn_inception_v2_coco 模型训练对象检测器，但在对视频进行分类时遇到了很多误报。

经过一些研究，我发现我需要在训练过程中添加负图像。

如何将这些添加到 tfrecord 文件中？我使用教程 here 中提供的 csv 到 tfrecord 文件代码.

此外，ssd 在配置中似乎有一个 hard_example_miner ，允许配置此行为，但对于更快的 rcnn 来说似乎并非如此？有没有办法在更快的 rcnn 上实现类似的效果？

Answer 1

我在使用 Faster RCNN 时遇到了同样的问题，尽管您不能实际上将 Hard_example_miner 与 faster RCNN 模型一起使用，但您可以添加一些背景图像，即。没有对象的图像(一切保持不变，除了该特定图片的 xml 中没有对象标记)

对我来说真正创造奇迹的另一件事是使用 imgaug库，您可以使用相同的脚本增强图像和边界框。尝试将训练数据增加10或15倍，然后我建议你再次训练到150000-200000步左右。

这两个步骤帮助我有效地减少了误报的数量。