快速 rcnn 对象检测中的误报

Question

我正在使用 tensorflow 和faster_rcnn_inception_v2_coco模型训练对象检测器，并且在对视频进行分类时遇到了很多误报。

经过一些研究，我发现我需要在训练过程中添加负面图像。

如何将这些添加到tfrecord文件中？我用的CSVtfrecord教程提供的文件的代码在这里。

此外，似乎 ssdhard_example_miner的配置中有一个允许配置此行为，但对于更快的 rcnn 似乎并非如此？有没有办法在更快的 rcnn 上实现类似的目标？

Answer 1

我在使用更快的 RCNN 时遇到了同样的问题，尽管您实际上不能将 hard_example_miner与更快的 RCNN模型一起使用，但您可以添加一些背景图像，即。没有对象的图像（一切都保持不变，除了那个特定图片的 xml 中没有对象标签）

另一件对我来说真的很神奇的事情是使用imgaug库，您可以使用相同的脚本来扩充图像和边界框。尝试将训练数据增加 10 或 15 倍，然后我建议您再次训练到 150000-200000 步左右。

这两个步骤帮助我有效地减少了误报的数量。