我使用Tensorflow和Inception的预训练模型训练了一个自定义人员探测器，然后经过几千步并且平均损失了2-1，我停止了训练并用实时视频进行了测试。结果非常好，只有很少的误报。它可以检测到一些人，但不是每个人，所以我决定继续训练模型，直到我得到平均损失低于1然后再次测试它。即使没有物体存在，它现在几乎可以检测到所有人甚至视频的整个帧。这些模型似乎在图片上很好用，但在视频上却没有。这是否过度拟合？
抱歉，我忘记了它的步数。我不小心删除了包含ckpt和tfevents的培训文件夹。
编辑：我忘记了我也在使用相同的数据集训练相同的模型，但在云上作为备份更高的批量大小，现在处于更高的步骤。稍后我会编辑帖子，一旦我从云端下载并测试模型，就会从tensorboard提供信息。
edit2：我从云上下载了200k步的训练模型并且它正在工作，它可以检测到人，但有时在移动摄像机时将整个帧识别为“人”不到一秒钟。我想这可以通过继续训练模型来改善。 Total Loss on tensorboard
现在，我将继续对云进行培训，并尝试记录测试的每个结果。我还将尝试在我的数据集上调整一些图像的大小，并使用mobilenet在我的本地计算机上训练它，并比较两个模型的结果。
答案 0 :(得分：0)
正如您所说，当训练迭代次数较少时，模型表现良好，我猜测预训练模型已经可以检测到人物对象，而您的训练集使检测结果更差。
这些模特似乎在图片上效果很好，但在视频上效果不佳
如果检测到您的单张照片正常，那么视频也应该有效。唯一的区别可能是视频图像分辨率和质量。因此，请比较图像分辨率和视频。
这是否过度拟合？
您正在谈论的图像和视频如果图像用于培训，则不应使用它们来评估模型。如果模型过度拟合，它将检测训练图像，但不会检测任何其他图像。
正如您所说，模型检测到太多检测，我认为这不是因为过度拟合，而是可能与您的数据集有关。我想
你训练的数据量太少了。
网络模型对于数据量来说太大而且复杂。尝试像VGG，inception_v1（ssd mobile net）等小型网络。
我认为您可以仔细检查用于培训的数据集，并尽可能多地使用培训数据。这些是我经常遇到的事情和浪费时间。
