模型过度拟合

Question

我正在研究交通标志识别系统。我正在使用GTSDB数据集和Tensorflow对象检测API来训练和测试模型。

数据集包含1,000张图像，每张图像的大小为{1360 * 800}，类别数= 43。

我曾尝试训练SSD_MobileNet_v1模型（可以在GitHub存储库https://github.com/P4ulSZ/Model-Doesn-t-Detect-Objects中找到标签图和test.rocord文件旁边的配置文件），但是准确性严重降低。

这些是我得到的一些结果： 是的，它确实在很远的地方检测到了信号，但没有检测到接近的信号！

这是total_loss图。在大约4,500个历元之后，损失停止减少，但损失约为2.5，我认为这是相当大的，如果我训练更多的历时，损失将会减少。

我对模型进行了12500个时期的训练，这使我想到我的模型过度拟合。

我的问题是：模型是否真的过拟合，或者这可能是另一个问题的结果？如果过拟合，您建议我训练几个时期？

我还读到SSD不能总是很好地用于小物体，并且经常会给出相对较低的精度，这就是为什么我打算改用Faster_RCNN_ResNet50模型。

此外，如果您对我应该使用哪种data_augmentation_options有任何建议，将不胜感激。