使用Tensorflow对象检测API的自定义SSD模型中的许多误报

Question

我的模型有2个班级（没有背景班级），并通过ssd_mobilenet_v2_coco的迁移学习进行了训练。它可以很好地检测和分类训练对象。但是，在新图像上，它还会检测到背景的许多假阳性边界框。 有时，检测到的背景对象是可可数据集中存在的对象（例如杯子），但不仅是-黑屏也被检测为对象。

1. 可能是我的模型特征仍然对Coco数据集对象敏感吗？
2. 我认为在配置文件上，此问题的相关部分是hard_example_miner。但是，我不知道这有什么关系，以及是否应该更改当前配置。

这是我正在使用的配置：

hard_example_miner {

num_hard_examples: 3000

iou_threshold: 0.99

loss_type: CLASSIFICATION

max_negatives_per_positive: 3

in_negatives_per_image: 3

}

我应该对此做任何更改吗？还是有其他解决方案可以改善背景图片的模型？