如何改进 TensorFlow 对象检测模型？答案

【问题标题】：how to improve TensorFlow object detection model?如何改进 TensorFlow 对象检测模型？
【发布时间】：2019-12-13 13:56:25
【问题描述】：

我需要为一个项目诊断验证码。我是使用 Tensorflow 提供的 object_detection 完成的。

另外，我通过 LabelImg 将图像转换为 XML，然后转换为 TFRecord，从而添加了 500 个验证码样本。

另外我用"faster_rcnn_inception_v2_coco_2018_01_28"

问题是机器的精度很低。

我的问题是：

可以通过增加训练数据的数量来解决问题吗？

我应该改变我的算法吗？

使用Yolo 3代替Tensorflow提供的检测对象效果如何？

【问题讨论】：

Yolo 可能会比 Tensorflow 的内置检测更有效。 Yolo 3 是最好的目标检测方法之一，所以我怀疑它会不如 Tensorflow 准确。一个问题是您需要与 C 接口才能使用 Yolo（尽管有人可能编写了一个包装器）。

【解决方案1】：

Q.可以通过增加训练数据的数量来解决这个问题吗？

A. 这取决于您可以获得多少数据。我认为只增加训练数据的数量并不是好的方法。

考虑使用微调现有的训练模型来检测对象类别。如果要对模型进行微调，则需要注意类标签分配，因为现有的训练模型（如 YOLO3、Faster RCNN 等）在其训练数据集中没有标签“验证码”。

建议您参考this website，可以帮助您微调模型。

问。我应该改变我的算法吗？

答。随心所欲。

Q.使用Yolo 3代替Tensorflow提供的检测对象效果如何？

A.在我看来，如果您不需要考虑推理时间，两个不同的模型大致相同。

【讨论】：