fast-rcnn 对象检测中的误报

Posted 2023-03-12

【中文标题】fast-rcnn 对象检测中的误报

【英文标题】：False positives in faster-rcnn object detection

【发布时间】：2019-05-28 23:34:51

【问题描述】：

我正在使用 tensorflow 和 faster_rcnn_inception_v2_coco 模型训练对象检测器，并且在对视频进行分类时遇到很多误报。

经过一些研究，我发现我需要在训练过程中添加负面图像。

如何将这些添加到tfrecord 文件中？我使用了教程here中提供的csv到tfrecord文件代码。

另外，ssd 似乎在配置中有一个hard_example_miner 允许配置此行为，但对于更快的 rcnn 来说似乎不是这种情况？有没有办法在更快的 rcnn 上实现类似的效果？

【参考方案1】：

我在使用更快的 RCNN 时遇到了同样的问题，虽然你 不能实际上 将 hard_example_miner 与 faster RCNN 模型一起使用，但你可以添加一些背景图片，即。没有对象的图像（一切都保持不变，除了该特定图片的 xml 中没有对象标记）

另外一件对我来说真的很神奇的事情是使用 imgaug 库，您可以使用相同的脚本增强图像和边界框。尝试将训练数据增加 10 或 15 倍，然后我建议您再次训练到 150000-200000 步左右。

这两个步骤帮助我有效地减少了误报的数量。

【讨论】：

“除了那个特定图片的 xml 中没有对象标签”..你的意思是应该有一个 XML 文件作为背景包含在没有对象标签的训练中？