Моя модель имеет 2 класса (без базового класса) и обучается с использованием трансферного обучения с помощью ssd_mobilenet_v2_coco.Он обнаруживает и классифицирует объекты, на которых он был обученОднако на новых изображениях он также обнаруживает множество ложноположительных ограничивающих рамок фона.Иногда обнаруживаемые фоновые объекты - это объекты, которые существовали в наборе данных кокосовых орехов (например, чашка), но не только - в качестве объекта обнаруживается также черный экран.
- Может ли быть так, что мойособенности модели все еще чувствительны к объектам набора данных Coco?
- Я думаю, что в файле конфигурации соответствующая часть для этой проблемы - hard_example_miner.Однако я не понял, как это связано, и если я должен изменить свою текущую конфигурацию.
Это конфигурация, которую я использую:
hard_example_miner {
num_hard_examples: 3000
iou_threshold: 0.99
loss_type: CLASSIFICATION
max_negatives_per_positive: 3
in_negatives_per_image: 3
}
Должен ли я внести какие-либо изменения в это?Или какие-нибудь другие решения для улучшения модели на фоновых изображениях?