**** Я разместил это на deteron2 GitHub , но проблема была закрыта (уверен, что меня неправильно поняли). Я не спрашиваю, как / нужно ли мне переучивать мою модель. Я получил выходные результаты, которые не имеют особого смысла, и я бродил, если есть какой-либо способ, которым я могу их отфильтровать). ****
Я обучил модель Keypoint RCNN для пользовательского набора данных.
При использовании моей модели для получения прогноза третий столбец (тот, который указывает оценку каждой ключевой точки), кажется, не имеет большого смысла. Хорошие и плохие очки могут получить почти одинаковую оценку. Я попытался нормализовать этот столбец и, возможно, найти порог, который работает, но не смог найти ничего достаточно надежного. Любые предложения?
еще одна странная вещь, когда некоторые точки не видны, вместо того, чтобы дать им низкий балл и разместить их там, где они должны быть (если они были замечены) модель размещает их рядом с их точка симметрии [та, которая дается, когда набор данных был зарегистрирован (задан как keypoint_flip_map) и обучен на нем], кто-нибудь получит это?
На изображении ниже невидимые (например, неверные) точки равны 8 и 9 их точки симметрии равны 10 и 11. Как видите, баллы, полученные за 9 и 10, практически одинаковы (9 неверно, а 10 - правильно). Вы также можете видеть, что, хотя точка 10 верна, ее оценка ниже 8 (что неверно).
Если некоторые не ясны, Прокомментируйте, пожалуйста, я объясню!
Заранее спасибо:)