Повышение точности обучения в Resnet

Question

Я тренирую детектор объектов, используя mxnet / resnet50. После последнего тренировочного прогона mAP составил 78%, а потеря составила 0,37. Когда я запускаю детектор на моем тестовом наборе (независимо от данных поезда / значения), я получаю ложное значение.положительный результат - с некоторыми довольно высокими 30-60% уровнями доверия.Я думаю, что мне нужно добавить несколько поездов / изображений, которые не содержат ЛЮБЫХ объектов, для которых я обучаю детектор.

Я планирую добавить примерно на 20% больше изображений с меткой -1 - я где-то читал, как вы определяете изображение без метки в mxnet.

Это кажется разумным?-1 правильный способ обозначить это?какой-либо недостаток?Спасибо, Джон

Answer 1

Один из методов для задачи обнаружения несбалансированного объекта состоит в том, чтобы иметь классификатор до этапа обнаружения объекта, который определяет, содержит ли изображение объект или нет.Вы можете взвешивать потери для каждого класса в этом классификаторе относительно его обратной частоты (т. Е. Больший вес для классов, которые появляются реже).Вы должны проверить данные с таким же балансом классов, как и в реальном мире.Вы можете найти этот пост полезным.