自定义训练 TF 对象检测模型评估

Question

对于我从自定义训练模型中获得的一些评估结果，我将不胜感激。我正在使用来自 http://download.tensorflow.org/models/object_detection/tf2/20200711/ssd_mobilenet_v2_320x320_coco17_tpu-8.tar.gz

的 SSD MobileNet v2 320x320

我有 12 个类用于我想要检测和分类的对象，使用 PASCAL VOC 格式（每个图像一个 XML 文件）进行注释。 此外，我使用不同的随机种子进行了 2 次不同的训练。所以这个问题不仅仅针对一次培训。 所以我根据官方的 TF-Object-Detection GitHub https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/evaluation_protocols.md

来评估这些模型

我使用了 2 个指标：

• coco_detection_metrics ：这个给出了一般平均精度 (mAP) @IoU=0.5、@IoU=0.75、@IoU0,5:.05:0.95 和良好的全局结果。

有问题的指标按类别如下，因此对于每个类别：

• pascal_voc_detection_metrics 具有以下配置：

eval_config {
  metrics_set: "pascal_voc_detection_metrics"
  num_examples: 2092  # number of test images
}

在这两次训练中，我目前的课程（超过 10k 的大约 2-3k 个图像）的精度非常低，接近 0，例如 10^-3，我真的不知道为什么，因为所有其他类别都高于 75- 80% 的精度。

Tensorboard 显示按字母顺序排列的图表，所以我用班级编号注释了我的第二张图片。 让我们看看第一次训练的指标： 1st_training

让我向您展示更详细的第二次训练的指标曲线： 2nd_training

先谢谢你！