Tensorflow对象检测异常大的边框和错误的结果

Question

我正在TensorFlow中构建一个对象检测器，以检测戴着头盔和不戴着头盔的摩托车骑手，我每个人都有1000张图像，分别用于戴着头盔，没有头盔和行人的骑手（合计3000张图像），我的最后一个检查点是35267步，我已经使用交通视频进行了测试，但是看到异常大的边框却出现了错误的结果。有人可以解释这种检测的原因吗？我需要等待至少50000个步骤吗？还是需要添加数据集（与交通摄像头成角度的图像）？

型号-SSD Mobilenet COCO-自定义对象检测， 培训平台-Google Colab

请找到所附的图像Video Snapshot 1

Video Snapshot 2

第2天-2018年10月30日

我今天用图像进行了测试，得到了不同的结果，似乎是正确的。第二天，如果我对图像中的单个对象进行了测试。请找到结果 Single Object IMage Test 1 Single Object Image Test 2

经测试的颈点-52,000步

但是，如果我用道路上有多个物体的图像进行测试，则检测是错误的，边界框也怪异地变大了，是由于数据集所致，因为我正在与一个摩托车骑手一起训练（带或不带头盔） ）。

请找到错误的结果

Multi Object Image Test Multi Object Image Test

我还对场景中的所有摩托车进行了图像测试，在这种情况下，我没有得到任何结果，请找到图像

No Result Image No Result Image

结果非常令人困惑，我还缺少什么吗？

Answer 1

您无需等到50000 epocs，就可以在35k甚至10k中获得不错的结果。我建议

1. 再次遍历您的数据集并选中所有边界框（数据清理）
2. 使用推理代码检查模型是否有批次标准化等更改
3. 添加更多具有不同特征，角度和色彩复杂度的数据

在继续之前，我会检查这些要点。