配置中的图像增强选项，用于使用SSD MobileNetv2进行对象检测和高损耗值

Question

我注意到，当我包含如下所示的图像增强选项以训练对象检测模型时，与不使用这些选项时不同，损耗值非常高，例如30K和65K

为什么会这样？请注意，我仅在开始的几百步中就观察到了这一点，还没有宝贝坐太久

65K的损失值

data_augmentation_options {
    random_image_scale {
      min_scale_ratio:0.5
      min_scale_ratio:2
    }
  }  
  data_augmentation_options {
    scale_boxes_to_pixel_coordinates {
    }

      }

〜30K加上损失值

data_augmentation_options {
    random_image_scale {
      min_scale_ratio:0.5
      min_scale_ratio:2
    }
  }
  data_augmentation_options {
    random_pixel_value_scale {
    }
  }
  data_augmentation_options {
    random_crop_image {
    }
  }
  data_augmentation_options {
    scale_boxes_to_pixel_coordinates {
    }
  }

Answer 1

我昨天才观察到了同样的情况，并为我提出了以下观察结果。如果仅按照几个步骤进行培训，则无法像使用非扩充数据集一样快速地概括整个测试集。在这里，您必须看到一个增强的数据集，就像一个更大的数据集，其中包含更多的差异。但是这里的信息从一开始就不可用，它需要一些时间才能在训练期间暴露出这种差异。

因此，只要尝试训练更长的时间并观察结果，结果就会有所改善。