В настоящее время я работаю над проблемой обнаружения объектов, которая включает в себя обнаружение лиц на изображениях и создание рамок вокруг них. Чтобы решить эту проблему, я создал модель yolov2, как описано в статье, с функцией потерь, как упомянуто в самой статье. На более ранних этапах я столкнулся с проблемой потерь Nan для потери локализации и, следовательно, нестабильного обучения. Следовательно, нашли обходной путь, сделав некоторые небольшие изменения в функции потерь. В настоящее время проблема, с которой я сталкиваюсь, связана с очень низким показателем достоверности объекта, так как я имею дело с набором данных face-no_face, оценка класса при выводе равна 1,0, но показатель достоверности объекта очень меньше для многих экземпляров, которые содержат только одно лицо, не говоря уже о нескольких лицах в изображении. Хотя во время обучения кумулятивная потеря насыщается около 0,06, но при выводе существует совершенно новая картина с очень низким показателем достоверности.
Функция потери: функция потерь, которую я использую для расчета показателя доверия, представляет собой совокупную потерю двух термины: no_object_loss и object_loss, и оба являются потерями MSE для ячеек сетки, у которых есть object (object_loss) и остальные, вносят вклад в no_object_loss.
Примечание: Мой набор данных содержит 4996 экземпляров изображений с несколькими лицами и ТОЛЬКО 4 МОМЕНТА БЕЗ ЛИЦА. и поэтому мне было интересно, если это проблема, поэтому я получаю низкие оценки достоверности объекта.