两周前我刚刚启动了TF Object Detection API，并设法训练模型识别自定义对象，在我的例子中是Mecanum轮。
以下是详细信息： - 训练图像数= 125 - 所有训练图像约为500 x 500（加减号） - 转学习 - 使用的型号= ssd_mobilenet_v1_coco - 批量大小= 2 - 总步数= 12715 - 损失大约是0.5000 - 2.5000，有时它会波动到10以上，我不知道为什么
这是结果.. first image令人鼓舞。
second image开始让我失望一点。我希望模型可以检测到四个（四个盒子）Mecanum轮。为什么呢？
然后，我怀疑我的训练模型有问题。我尝试使用示例测试图像third image和fourth image，然后我确信这完全不是我第一个瞄准的模型。
我一直在阅读post，我认为我们的问题非常相似（他设法解决了这个问题）。他提到输入图像需要小于600 x 1024，所以我尝试使用fifth image并且毫不奇怪，结果再次令人失望。
我通过sentdex完成了教程系列，在评论部分，我注意到有很多人也面临这个问题。那么，对于那里的所有专业人士，请解释并告诉我们现在该做什么。谢谢你提前。
**有人可以帮我编辑清单吗？为什么我不能把它变成一个一个列表？ LOL
答案 0 :(得分：0)
125张图片？使用那么多图像，你将无法获得非常好的效果。如果您想确认这确实是问题，请尝试仅使用原始125张图像的子集进行训练。
例如，在10张图像上训练时输出有多糟糕？
使用50张图片时效果会更好吗？
当您使用125张图片时，它会变得更好吗？
如果随着数据集大小的增加精度提高，您可以推断并猜测1000张图像，您将能够做得更好。我猜这是你的问题。
