Deep learning 序列数据是否会使模型过度拟合训练数据？
我正在使用kitti和waymo数据集训练3D目标检测模型。该模型在kitti上运行良好（数据未排序、随机数据、随机选择数据）。但在waymo，这个模型太过合适了。Waymo数据是一个序列数据，所以我随机选择帧，同时输入网络 此外，我还对waymo数据集的模型进行了一些修改，使网络具有更多的嵌入式参数。基蒂也做了同样的改变，效果很好 我正在做8月份的数据，批量标准化和kitti数据集上的一样 我的目标对象是数据中的行人。kitti列车组的行人数量约为3k，waymo列车组的行人数量约为30k。在有效组和测试组中，数字分别为800和5k 有人能解释一下原因吗Deep learning 序列数据是否会使模型过度拟合训练数据？,deep-learning,computer-vision,overfitting-underfitting,Deep Learning,Computer Vision,Overfitting Underfitting,我正在使用kitti和waymo数据集训练3D目标检测模型。该模型在kitti上运行良好（数据未排序、随机数据、随机选择数据）。但在waymo，这个模型太过合适了。Waymo数据是一个序列数据，所以我随机选择帧，同时输入网络 此外，我还对waymo数据集的模型进行了一些修改，使网络具有更多的嵌入式参数。基蒂也做了同样的改变，效果很好 我正在做8月份的数据，批量标准化和kitti数据集上的一样 我的目标对象是数据中的行人。kitti列车组的行人数量约为3k，waymo列车组的行人数量约为30k。在