我正在尝试使用以Resnet50为骨干的Mask-RCNN训练对象检测模型。我正在使用PyTorch的Torchvision库中的预训练模型。我只有10张图片可以用来训练。在相同的10张图像中，我正在使用3张图像进行验证。为了进行评估，我使用了COCO数据集中使用的评估方法，该方法在TorchVision的github存储库中也以.py脚本的形式提供。
为了有足够的样本进行训练，我对相同的10张图像进行了100倍的过采样，即最终得到了1000张可用于训练模型的图像。同样，我最终得到了300张可用于验证的图像。
现在，问题是在训练后我的mAP为0％，召回率为0％。我有两个问题：
问题1。为什么它会返回0％的mAP？
如果这与我在很大程度上过度采样有关，那么我的下一个问题是
第二季度。过度采样是否不应该导致模型过度拟合，而是为我的案例提供更高的训练和验证准确性（因为我是从训练数据本身中选择验证数据的？