训练张量流目标检测SSD导致mAP降低

Question

我正在尝试训练SSD移动网检测器，以检测微观图像中的细胞核。我正在Ubuntu 16.04上使用tensorflow对象检测API和tensorflow（1.4版）的GPU实现。我的输入图像是带有注释的细胞核的256x256 RGB jpg瓦片。

当我开始训练时，我发现mAP有了很好的提高，并且全局步长大约为6k（批量大小为12），我可以检测到大多数细胞核，但是可以对同一细胞核进行多次检测。

奇怪的是，此后，mAP开始减少，即使TotalLoss继续减少，该模型也检测到越来越少的细胞核。在100k步长下，几乎没有检测到核。

我使用了用于SSD的标准配置文件，除了减少了匹配/不匹配框的截止时间。如果我不使用此修改，该模型将很难检测任何细胞核，因为它们是较小的物体，并且重叠的框太少。

matcher {
  argmax_matcher {
    matched_threshold: 0.3
    unmatched_threshold: 0.3
    ignore_thresholds: false
    negatives_lower_than_unmatched: true
    force_match_for_each_row: true
  }

即使TotalLoss有所改善，为什么mAP和检测精度会随时间降低？我对结果的直觉是，检测模型变得越来越准确（绝不会出现假阳性），但变得越来越不敏感（很多假阴性）。

任何建议，不胜感激！

（这是张量板的一些示例图像）

0步

1241步

53024个步骤

92176个步骤

Answer 1

好的，所以在对配置文件进行一些试验（盲目猜测）之后，我认为我找到了问题的答案-我将其放在此处，希望其他人可以从中受益。

首先，mAP降低的原因可能是设置：

matched_threshold: 0.3
unmatched_threshold: 0.3

根据我的实验，将此设置降低到0.5以下（像我一样）似乎会使模型不稳定，并使其在训练过程中破裂（随着时间的推移mAP降低）。

其次，当尝试检测显微图像中的细胞核时（这可能也适用于其他已知大小的小物体），SSD似乎对锚点生成器的最小/最大设置非常敏感。

anchor_generator {
  ssd_anchor_generator {
    num_layers: 6
    min_scale: 0.2
    max_scale: 0.95

当我刚开始（并不断失败）时，我为此设置使用了停泊状态估计，并且在以不同的图像尺寸播放时，突然间，在128x128像素的情况下，该模型在mAP 0.9或多或少地检测到每个单元的情况下变得非常好。当试图弄清楚为什么它突然起作用时，我在图像中的注释对象的相对大小上打印了直方图，我意识到使用128x128模型配置文件很幸运，并且可以精确地达到范围。

然后，我又回到所有其他模型和尺寸，当在特定图像尺寸中使用细胞核尺寸的确切范围时，即使在较大的图像尺寸（例如512像素）（其中核仅占据）的情况下，该模型也能表现完美图像宽度的3-15％。即使在1024像素下采样到512，并且核仅覆盖图像宽度的1-7％，只要精确指定尺寸范围，该模型就可以执行。

对于我的应用程序来说，这实际上不是问题，因为我事先知道可以期待的功能尺寸，但是对于一个更普遍的问题，我猜这是一个缺点。