CNN对象检测：如何降低较高的误报率

Question

我目前在WIDER-FACE数据上的Tensorflow对象检测API上使用Inception v2的Faster RCNN，我有很多误报率很高（> 0.98，所以设置更高的得分阈值无济于事）。 我已经在代码中分配了“困难示例挖掘”，但并没有太大帮助。 对于图像预处理，我使用 tf.image.sample_distorted_bounding_box 从原始图像中随机裁剪一个区域，并将其大小调整为300 * 300。调整大小后的图像将以0.5的概率随机翻转

我将批次大小设置为32，对于每个图像，硬性负片挖掘操作中正：负的比率为 32:32 。我将 IoU> 0.5 设置为正，将 IoU <0.3 设置为负。对于IoU在0.5到0.3之间的样本，将被忽略

有人可以帮我吗？非常感谢！

Answer 1

通常，将正例和负例之间的比率设置为1：3。可能是因为在您的模型中该比率设置为1：1，所以该模型没有看到足够多的负面示例。

您还可以尝试进行错误分析，并检查具有高置信度的误报。也许它们是特定类型的，如果是这样，请在您的训练数据中添加这种类型的负面示例。

Answer 2

您也可以尝试提高RPN的NMS阈值。