Какие параметры конвейера API обнаружения объектов могут повлиять на потерю локализации RPN?

Question

Я пытаюсь обучить детектор объектов Faster RCNN inception v2, чтобы определять местонахождение относительно небольших объектов (16x16 с несколькими при 100x100 пикселей) в наборе 512x512 изображений.Я работал с конфигурацией по умолчанию и в конечном итоге с низкой точностью ~ 0,4 мАП при 0,5 IOU.Затем я изменил некоторые параметры конвейера, чтобы попытаться учесть размер объекта, но теперь я не получаю вообще никаких обнаружений (0,00 мА) и плато RPN localization_loss на уровне 1,0 (другие компоненты потерь значительно ниже ~ 0,05).У меня есть следующие вопросы по поводу моих обновлений pipe.config:

1. Я предполагаю, что в сети возникают проблемы при выборе подходящих региональных предложений.Вероятно ли это, и если да, то какие изменения конфигурации могут помочь?
2. Я сделал какую-то ошибку в сделанных мною изменениях, которые разрушили точность?

---

Изменения конфигурацииПопытка:

• first_stage_features_stride: понижено с 16 до 8
• grid_anchor_generator: установить размер привязки на 64x64 и уменьшить ширину / высоту с 16 до 8
• train_config: увеличеноbatch_size от 1 до 16

Полная конфигурация конвейера ниже:

model {
  faster_rcnn {
    num_classes: 8
    image_resizer {
      fixed_shape_resizer {
        height: 512
        width: 512
      }
    }
    feature_extractor {
      type: "faster_rcnn_inception_v2"
      first_stage_features_stride: 8
    }
    first_stage_anchor_generator {
      grid_anchor_generator {
        height: 64
        width: 64
        height_stride: 8
        width_stride: 8
        scales: 0.25
        scales: 0.5
        scales: 1.0
        scales: 2.0
        aspect_ratios: 0.5
        aspect_ratios: 1.0
        aspect_ratios: 2.0
      }
    }
    first_stage_box_predictor_conv_hyperparams {
      op: CONV
      regularizer {
        l2_regularizer {
          weight: 0.0
        }
      }
      initializer {
        truncated_normal_initializer {
          stddev: 0.00999999977648
        }
      }
    }
    first_stage_nms_score_threshold: 0.0
    first_stage_nms_iou_threshold: 0.699999988079
    first_stage_max_proposals: 100
    first_stage_localization_loss_weight: 2.0
    first_stage_objectness_loss_weight: 1.0
    initial_crop_size: 14
    maxpool_kernel_size: 2
    maxpool_stride: 2
    second_stage_box_predictor {
      mask_rcnn_box_predictor {
        fc_hyperparams {
          op: FC
          regularizer {
            l2_regularizer {
              weight: 0.0
            }
          }
          initializer {
            variance_scaling_initializer {
              factor: 1.0
              uniform: true
              mode: FAN_AVG
            }
          }
        }
        use_dropout: false
        dropout_keep_probability: 1.0
      }
    }
    second_stage_post_processing {
      batch_non_max_suppression {
        score_threshold: 0.300000011921
        iou_threshold: 0.600000023842
        max_detections_per_class: 100
        max_total_detections: 200
      }
      score_converter: SOFTMAX
    }
    second_stage_localization_loss_weight: 2.0
    second_stage_classification_loss_weight: 1.0
  }
}
train_config {
  batch_size: 16
  data_augmentation_options {
    random_horizontal_flip {
    }
  }
  optimizer {
    momentum_optimizer {
      learning_rate {
        manual_step_learning_rate {
          initial_learning_rate: 0.000199999994948
          schedule {
            step: 0
            learning_rate: 0.000199999994948
          }
          schedule {
            step: 900000
            learning_rate: 1.99999994948e-05
          }
          schedule {
            step: 1200000
            learning_rate: 1.99999999495e-06
          }
        }
      }
      momentum_optimizer_value: 0.899999976158
    }
    use_moving_average: false
  }
  gradient_clipping_by_norm: 10.0
  #fine_tune_checkpoint: “XXXXXXXXX”
  from_detection_checkpoint: true
  #num_steps: 200000
}
train_input_reader {
  label_map_path: “XXXXXXXXXX”
  tf_record_input_reader {
    input_path: “XXXXXXXXXXXX”
  }
}
eval_config {
  num_examples: 1500
  #max_evals: 10
  use_moving_averages: false
}
eval_input_reader {
  label_map_path: “XXXXXXXXXXXX”
  shuffle: false
  num_readers: 1
  tf_record_input_reader {
    input_path: “XXXXXXXXXXXXXba”
  }
}