Tensorflow 2 对象检测 API - 我可以/应该使用 K 折交叉验证吗？

Question

我有一个包含大约 1000 个图像的小型数据集，并且正在训练我的模型以检测 8 个类别。我以80:20（训练：验证）的比例划分了我的数据集，并希望应用 k 折交叉验证以充分利用我的数据集。

#1：这种思路是正确的还是我误解了什么？在另一篇关于目标检测中K-fold交叉验证的帖子中，有人提到，由于我们有置信度分数，我们不需要k折交叉验证。但是，我没有看到在“k”折叠次数上训练我的模型与置信度得分之间存在相关性。

#2：这是必须手动完成的事情还是 tensorflow 2.x 有办法添加 k 折交叉验证？

任何澄清将不胜感激！谢谢！

Answer 1

关于您的查询1和2

• (IMO)，做K-Fold是合适的。仅供参考，将数据集拆分为8:2 比率是一种称为 holdout 的方法，AFAIK，它不是 K-Fold。当你想做 K-Fold 时，你可能需要考虑诸如类分布、边界框分布等。但是，由于您没有提供任何示例数据或代码，这里有一个类似的discussion 可能会对您有所帮助。

• 必须手动完成。这是一个重采样过程，用于在有限的数据样本上评估机器学习模型。它不是与任何框架集成的东西。