如何将 "ignore" class 与 tensorflow 对象检测 API 一起使用？
How to use "ignore" class with tensorflow object detection API?
我在自定义数据集上使用 SSD (mobilenet-v1) 训练了 tensorflow 对象检测模型（针对 num_steps:50000）。我得到 mAP@.50IOU ~0.98 和 loss ~1.17。数据集由 uno 扑克牌图像（跳过、反转和抽四）组成。在所有这些卡片上，模型都表现得很好，因为我只在这 3 张卡片上训练模型（使用移动 phone 收集的大约 278 张图像和 829 个边界框（25% 的边界框用于测试，即验证））。
然而，我没有在任何其他卡片上训练过模型，但它仍然检测到其他卡片（使用网络摄像头推断）。
我该如何解决这个问题？我是否也应该收集其他 class 图像（除了跳过、反转和抽四张牌之外的任何东西）并在操作中忽略此 class？因此该模型在训练期间看到此 class 即 标签：其他 图像并且在推理期间不放置任何标签。
我不确定如何通知 tensorflow 对象检测 API 它应该忽略来自 Other class.
的图像
谁能指点一下吗？
请分享您的观点！
是，你需要有另一个Class，这是你不想检测的对象。
如果你没有这个其他Class，它包括所有不被检测到的东西。该模型会将其与现有的 class 进行比较，后者与感兴趣的卡片几乎相同。
一些因素是：
- 形状的相似度
- 颜色的相似度
- 符号的相似度
这就是为什么即使它不是感兴趣的牌（跳过、反转和抽 4），它也会以某种方式对这三个 class 具有高 "belongingness"。
有另一个 Class 来转储所有这些可以显着减少 "belongingness" 到三个感兴趣的 classes 并尽可能提供 很多 训练期间的数据。
如果你不想再有一个class。
您可以过拟合跳过、反转并抽取 4 张牌（接近 100%），然后提高您的检测阈值到（70-90%）。
希望对您有所帮助。
我在自定义数据集上使用 SSD (mobilenet-v1) 训练了 tensorflow 对象检测模型（针对 num_steps:50000）。我得到 mAP@.50IOU ~0.98 和 loss ~1.17。数据集由 uno 扑克牌图像（跳过、反转和抽四）组成。在所有这些卡片上，模型都表现得很好，因为我只在这 3 张卡片上训练模型（使用移动 phone 收集的大约 278 张图像和 829 个边界框（25% 的边界框用于测试，即验证））。
然而，我没有在任何其他卡片上训练过模型，但它仍然检测到其他卡片（使用网络摄像头推断）。
我该如何解决这个问题？我是否也应该收集其他 class 图像（除了跳过、反转和抽四张牌之外的任何东西）并在操作中忽略此 class？因此该模型在训练期间看到此 class 即 标签：其他 图像并且在推理期间不放置任何标签。
我不确定如何通知 tensorflow 对象检测 API 它应该忽略来自 Other class.
的图像谁能指点一下吗？
请分享您的观点！
是，你需要有另一个Class，这是你不想检测的对象。
如果你没有这个其他Class，它包括所有不被检测到的东西。该模型会将其与现有的 class 进行比较，后者与感兴趣的卡片几乎相同。
一些因素是：
- 形状的相似度
- 颜色的相似度
- 符号的相似度
这就是为什么即使它不是感兴趣的牌（跳过、反转和抽 4），它也会以某种方式对这三个 class 具有高 "belongingness"。
有另一个 Class 来转储所有这些可以显着减少 "belongingness" 到三个感兴趣的 classes 并尽可能提供 很多 训练期间的数据。
如果你不想再有一个class。
您可以过拟合跳过、反转并抽取 4 张牌（接近 100%），然后提高您的检测阈值到（70-90%）。
希望对您有所帮助。