我正在尝试在可公开获得的GTSRB（德国交通标志）数据集上转移学习mobilenet_v2_coco模型。 我选择了3个班级以加快培训速度，并且已经培训了大约10000个纪元。通常，在这一点上，我已经获得了不错的结果。但是我的SSD无法在通过网络摄像头通过小型python程序访问的实时视频中找到任何内容。甚至可以将几乎整个屏幕分类为提供的类别之一（具有更多训练数据的类别），其置信度> 90％。
我的猜测是这是由于数据集不平衡（class1 = 2000张图像，class2 = 1000张图像，class3 = 800张图像），还是由于图像填充了对象而没有太多噪音或其他任何原因。因此，基本上，ROI几乎与数据集图像一样大，但是分类器的目的是预测像视频一样的行车记录仪，其中标志通常很小。 还是我这次只需要更加努力地训练，以获得更好的成绩？
我的问题的第二部分是，如果像经验法则那样，数据集中的图像需要满足什么才能输出良好的预测。