为什么 SSD 训练不能给出准确的结果

Question

我正在尝试使用single-shot multibox detector (SSD) 检测人的头部，包括颈部和肩部。 我有大约 800 张图像并训练了 50,000 次迭代。 但在检测中，detection_eval 在训练期间最大为 0.29。

在部署中，没有准确的检测。 可能是什么问题？ 我的矩形大约是 40 x 40 像素。

附上一张测试的图片。

图片显示here

是训练图像数量太少还是对象尺寸太小而无法使用 SSD？ 可能是什么问题？

由于我的电脑不强大，我只使用了 3 个批量大小，会不会有问题？

在 50,000 次迭代期间，它确实在从损失 60 到损失 ~0.9 的训练中收敛。

Answer 1

我发现的问题是我的 xmin、ymin、xmax、ymax 的训练标签是归一化的浮点值。 SSD 需要 int（未标准化）值。然后所有这些特征图都有最小和最大尺寸，比如 conv4_3_norm_mbox_priorbox 有 min_size: 30.0 和 max_size: 60.0。它们是根据 min_dim = 300 计算的。如果更改此 min_dim 值，则所有最小/最大尺寸都会更改，如果这些尺寸不适合训练中的对象，则 detection_eval 值较低。