提高Resnet的培训准确性

Question

我正在使用mxnet / resnet50训练对象检测器 上一次训练后，移动平均得分为78％，损失为0.37 当我在测试仪上运行检测器时（与火车/ VAL数据无关） 我得到了误报的结果-有相当高的30-60％的置信度。我想我需要添加一些火车/ val图像，这些图像不包含我正在训练探测器的任何物体。

我正计划再添加大约20％带有-1标签的图像-我在某处读到的是如何指定mxnet中没有标签的图像。

这看起来合理吗？ -1是指定它的正确方法吗？有什么缺点吗？ 谢谢， 约翰

Answer 1

用于不平衡对象检测任务的一种方法是在对象检测阶段之前使用分类器，该分类器确定图像是否包含对象。您可以权衡此分类器中每个类相对于其倒频的损失（即，出现频率较低的类的权重较高）。您应该在类平衡与真实世界相似的数据上进行测试。您可能会发现this post有用。