小编Jol*_*uza的帖子

我遵循了代码的整个步骤/格式（多次交叉检查以 100% 确定它们是正确的）以及在 Tensorflow 对象检测 API 上训练自定义对象所需的数据。我尝试使用 ssd_mobilenet_v1_coco、faster_rcnn_resnet101_coco 以及 fast_rcnn_inception_v2_coco 模型，但仍然没有得到任何好的结果。我得到的只是对象的错误分类或根本没有边界框。

我正在训练检测单个类对象，训练图像数量约为 250，验证图像数量为 63；并且每个大小不一的图像大多在 300 x 300 像素或更小。我正在训练模型直到它们收敛（不完全）。我通过查看 eval 性能（步长超过 15000 步）来了解这一点，损失随着时间的推移逐渐减少（至 < 0.04），但也会波动。我停止训练并导出图表。我的问题是：

我对用于解决物体检测的测试视频有很大的疑问。视频帧的尺寸为 1370 x 786 像素，其中我需要检测的对象与帧大小相比非常小。这是否会导致问题？，因为我的训练图像很小（300 x 300 或更小），而与训练图像相比，我的测试视频帧如此之大？我尝试了几次训练，但每次都失败了，我坚持到了我想放弃这个的地步。

有人可以了解这里发生的事情吗？我应该训练更多的步骤吗？或者我也应该训练与测试帧中相似尺寸的图像进行训练？这会有所帮助吗？

以下是我使用的配置文件和 labelmap.pbtxt 的代码。

配置文件：

    fine_tune_checkpoint: ".../ssd_mobilenet_v1_coco_2017_11_17/model.ckpt"
  from_detection_checkpoint: true
  num_steps: 200000
  data_augmentation_options {
    random_horizontal_flip {
    }
  }
  data_augmentation_options {
    ssd_random_crop {
    }
  }
}

train_input_reader: {
  tf_record_input_reader {
    input_path: ".../train.record"
  }
  label_map_path: ".../labelmap.pbtxt"
}

eval_config: {
  num_examples: 63

标签图.pbtxt：

item {
  id: 1
  name: 'tomato'
}