Machine learning tensorflow高误报率

我正在使用tensorflow/models repo中的对象检测。我正在用我自己的图像训练更快的R-CNN Resnet101模型。在我的模型中，我只使用2-3个类来查找图像上的特定对象

经过大约60k个训练步骤，我在查找搜索对象时获得了相当好的结果。唯一的问题是，我的假阳性率很高。当搜索对象出现在图像中时，我得到的结果为99%，但在大约60%的结果>90%的结果中，搜索对象不存在

---

有没有人能给我一些提示，如何降低假阳性率？使用的模型中是否有方法给出特定于培训的假阳性示例？

这是一个非常广泛的问题，因此可能不是提出此类问题的最佳场所。您是否尝试过搜索和/或询问？您能否为模型的输出设置阈值？（即，您的模型是否返回“0”、“1”或概率？）。这样，您的FPR将下降（以召回为代价）。我的模型返回给定类中的概率。但我认为问题在于我的训练。我每堂课最多使用50张图片，而且tensorboard每堂课的准确率只有40%左右。这是一个非常广泛的问题，所以可能不是问这样一个问题的最佳地方。您是否尝试过搜索和/或询问？您能否为模型的输出设置阈值？（即，您的模型是否返回“0”、“1”或概率？）。这样，您的FPR将下降（以召回为代价）。我的模型返回给定类中的概率。但我认为问题在于我的训练。我每堂课最多使用50张图片，tensorboard每堂课的准确率大约为40%。