如何提高更快的rcnn对象检测模型的召回率

Question

我正在重新培训更快的rcnn启动coco模型，用于检测货架上的产品品牌。

在一段时间内总损失低于0.1时，我停止了模型大约400k步。召回率约为65％，精确度为40％，置信度截止阈值为95％。

学习率从0.00001开始，配置为在200k步后减少到0.000005。

数据集大小为15个类，每个类至少有100个带注释的框。图像总数为300。

如何改善模型的召回？

我是否应该更改为更快的rcnn ras（具有更高的mAP但我不认为精度与我的用例中的召回一样重要）？

另一个问题是：通常对物体检测模型的回忆是什么？达到90％以上是否具有挑战性？

非常感谢提前！

Answer 1

您可以尝试使用图像增强来扩展训练数据集。 300张图像不多。尝试查看https://github.com/aleju/imgaug。

Answer 2

在询问Faster RCNN模型时，您可以跟踪两个不同的指标。

1. 区域提案网络（RPN）的精确召回。

2. RCNN最终输出的精度和调用。

以上两个指标可以使我们更好地了解模型的性能。

案例1：当RCNN输出的RPN召回率高低时，很明显，您没有足够的正标号供分类网络学习。

案例2：当RCNN输出的RPN召回率低时，那么您可能没有足够的训练数据量和较少的班级数量。

情况3：当两个召回率均较低时，请尝试更大的数据集，因为您的模型已经收敛。

-实验学习率总是有帮助的。

-Simple Hack：您可以使用多个宽高比（接近原始宽高比），以便获得更多训练标签（不确定它对您的情况有多大帮助）。