如何使用张量流对象检测API提高对象检测的精度？

Question

我正在应用tensorflow对象检测api来构建模型来检测单个对象。我自己的数据集包含2150个用于训练的图像和540个用于测试的图像。

所有图像均为1920（宽）×1080（高）。每幅图像中的物体非常小，大约55乘15，而且还有很多噪音。这是我的数据集的示例图像，它被正确识别（大多数图像无法识别）：

我已经尝试了detetion_model_zoo中的所有模型，但没有一个给我满意的结果。 训练后mAP非常低。精度仅为0.3 。以下是使用ssd_inception_v2_coco：

的评估

有关改进模型的建议吗？非常感谢！

Answer 1

我会推荐以下内容：

1）将你的图像分解成较小的作物，使感兴趣的物体最终变得更大。您可以在推理时间执行此操作，也可以对作物进行培训和推理。如果某些作物中没有任何有趣的东西，请不要担心。

2）使用更强大的模型，例如更快的r-cnn与resnet或inception resnet。

3）弄清楚人类的表现是什么，以了解你的机器学习系统的性能上限是什么。