我尝试使用faster_rcnn_resnet101（在具有91类的coco数据集上训练）模型作为基本模型（在repo中提供），在pascalVOC数据集（对于所有20个类）上训练tensorflow对象检测API。我使用了repo中提供的配置。
训练在几个迭代点生成了几个.ckpt文件，包括迭代0处的ckpt文件（训练没有效果）。
然后我使用所有20个类的pascalVOC验证数据对.ckpt文件进行了评估。
重要提示：20个pascalVOC类别实际上是91 Coco类别的一部分。
我的评估结果显示，对于培训中的所有迭代，20个班级的表现下降了15％甚至更多。根据配置，我进行了200K迭代的训练，并保持所有超参数与原始图中的相同。
我的问题是：谁能解释这里有什么问题？尽管pascalVOC类别是Coco类别的子集，但为什么性能（mAP）会下降。 另外，即使在对属于该类的数据集进行后续培训之后，如何确保这20个类的性能不会降低。
如果我遗失了什么，请告诉我。