Tensorflow对象检测API：基于城市景观数据的推理预训练Kitti模型导致准确性降低

Question

我当前正在使用TF OD API。但是，我在推理中遇到了一些问题。 重现我的问题的步骤：

• 下载在Kitti数据上预先训练的Faster R-CNN Resnet101模型
• 创建一些Cityscapes数据的Tf-Record文件（首先，我提取了边界框坐标并将其保存到txt文件中）
• 对行人和汽车类别的Kitti数据（达到〜90％mAP@0.5的精度）和Cityscapes数据（达到0.000035％mAP@0.5的精度）运行预训练的Resnet101-Kitti模型

我不知道为什么准确性有如此大的差异

我已经使用了Cityscapes图像数据的不同图像分辨率，并且修改了原始（https://github.com/tensorflow/models/blob/master/research/object_detection/dataset_tools/create_kitti_tf_record.py）kitti_record文件，使其看起来与我创建的Cityscapes tfrecord文件类似。

我使用教程https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/using_your_own_dataset.md创建Cityscapes_tfrecord文件，并仅添加了hard_obj属性，以免出错。

我希望对Cityscapes数据进行推断的准确性更高。它应该超过10％或更高，并且不应该在0.000035％左右。

有人知道为什么会出现此错误吗？自几天以来，我一直在努力解决此错误，并且不知道如何解决。 任何评论或提示，我们将不胜感激。

非常感谢。