Machine learning 减少误报的最佳策略：谷歌&x27；s新的卫星图像目标检测API

我正在建立一个新的系统，在大面积的卫星图像中寻找小物体。它工作得很好-它找到了我想要的所有10个对象，但我也得到了50-100个误报（看起来有点像目标对象，但不是）

我使用的是，来微调他们提供的

更快的\u rcnn\u resnet101\u coco

模型。我一开始很小，只有100个对象的训练示例（只有一个类）。我的验证集中有50个示例。每个示例都是一个200x200像素的图像，中间有一个标记对象（~40x40）。我训练直到我的精度和损耗曲线稳定

我对使用深度学习进行目标检测还比较陌生。提高精度的最佳策略是什么？e、 g.硬负开采？增加我的训练数据集大小？我还没有尝试过他们提供的最精确的模型，因为我想保持一定的速度，但如果需要，我会这样做

硬负开采似乎是一个合乎逻辑的步骤。如果您同意，我如何实现它w.r.t为我的培训数据集设置tfrecord文件？假设我为50-100个误报中的每一个生成200x200个图像：

• 我是否为每个对象创建“注释”xml文件，而不使用“对象”元素
• …还是我把这些硬底片列为第二类
• 如果我的训练集中有100对100的否定-这是一个健康的比率吗？我可以包括多少张底片

---

最近，我在工作中重新探讨了这个话题，并认为我将为将来访问的任何人更新我当前的学习内容。

这个话题出现在电视上。SSD允许您设置负面：正面示例与我的比例（

max\u negatives\u per\u positive:3

），但您也可以为没有帖子的图像设置最小数量（

min\u negatives\u per\u image:3

）。这两个都在型号ssd丢失配置部分中定义

也就是说，我在Faster RCNN的模型配置中看不到相同的选项。本期中提到，

models/research/object\u detection/core/balanced\u positive\u negative\u sampler.py

包含用于更快RCNN的代码

本期讨论的另一个选项是专门为lookalikes创建第二个类。在培训期间，该模型将尝试学习班级差异，这将有助于达到您的目的

最后，我在滤波放大器网络（FAN）上遇到了这个问题，它可能会为您的航空图像工作提供信息

===================================================================

以下文件描述了硬负开采，目的与您描述的相同：

在第3.1节中，它们描述了使用前景和背景类：

背景ROI。如果某个区域的最大值为，则该区域被标记为背景（bg） 带地面真相的借据在区间[bg lo，0.5]。较低 FRCN和SPPnet均使用bg lo=0.1的阈值，并且 在[14]中假设为粗略近似硬负开采 假设与地面真相有一些重叠的区域是 更可能是令人困惑或难以理解的问题。我们将在第5.4节中介绍 虽然这种启发式有助于收敛和检测精度， 它是次优的，因为它忽略了一些不常见但重要的， 困难的背景区域。我们的方法去除了bg lo阈值

事实上，这篇论文被引用，其思想被用于Tensorflow的硬采矿的object detection loss.py代码：

class HardExampleMiner(object):
"""Hard example mining for regions in a list of images.
Implements hard example mining to select a subset of regions to be
back-propagated. For each image, selects the regions with highest losses,
subject to the condition that a newly selected region cannot have
an IOU > iou_threshold with any of the previously selected regions.
This can be achieved by re-using a greedy non-maximum suppression algorithm.
A constraint on the number of negatives mined per positive region can also be
enforced.
Reference papers: "Training Region-based Object Detectors with Online
Hard Example Mining" (CVPR 2016) by Srivastava et al., and
"SSD: Single Shot MultiBox Detector" (ECCV 2016) by Liu et al.
"""

根据您的模型配置文件，HardMinerObject由loss_builder.py返回，代码如下：

def build_hard_example_miner(config,
                            classification_weight,
                            localization_weight):
"""Builds hard example miner based on the config.
Args:
    config: A losses_pb2.HardExampleMiner object.
    classification_weight: Classification loss weight.
    localization_weight: Localization loss weight.
Returns:
    Hard example miner.
"""
loss_type = None
if config.loss_type == losses_pb2.HardExampleMiner.BOTH:
    loss_type = 'both'
if config.loss_type == losses_pb2.HardExampleMiner.CLASSIFICATION:
    loss_type = 'cls'
if config.loss_type == losses_pb2.HardExampleMiner.LOCALIZATION:
    loss_type = 'loc'

max_negatives_per_positive = None
num_hard_examples = None
if config.max_negatives_per_positive > 0:
    max_negatives_per_positive = config.max_negatives_per_positive
if config.num_hard_examples > 0:
    num_hard_examples = config.num_hard_examples
hard_example_miner = losses.HardExampleMiner(
    num_hard_examples=num_hard_examples,
    iou_threshold=config.iou_threshold,
    loss_type=loss_type,
    cls_loss_weight=classification_weight,
    loc_loss_weight=localization_weight,
    max_negatives_per_positive=max_negatives_per_positive,
    min_negatives_per_image=config.min_negatives_per_image)
return hard_example_miner

它由model_builder.py返回，并由train.py调用。因此，在我看来，简单地生成真正的正片标签（使用LabelImg或RectLabel之类的工具）就足以让train算法在相同的图像中找到硬负片。相关的问题给出了一个极好的答案

---

如果您想输入没有真实正面信息的数据（即图像中不应分类），只需将负面图像添加到您的tfrecord中，而不使用边界框。

我想我正在经历相同或相近的场景，值得与您分享

我通过向培训师传递没有注释的图像来解决这个问题

在我的场景中，我正在构建一个项目来实时检测客户产品中的装配故障。 我成功地实现了非常稳健的结果（对于生产环境），方法是对具有明显负面模式的组件（例如，有拧上/拧下的螺钉（仅孔））使用检测+分类，并且仅检测没有负面模式的东西（例如，可以放在任何地方的胶带）

在系统上，用户必须录制2个视频，一个包含正面场景，另一个包含负面场景（或者n个视频，包含n个正面和负面模式，以便算法可以推广）

经过一段时间的测试，我发现，如果我只注册检测磁带，检测器会对磁带进行非常有把握的（0.999）假阳性检测。它是在学习磁带插入的模式，而不是磁带本身。当我有另一个组件时（像螺丝钉一样，它的负片格式）我在传递磁带的负模式时没有明确意识到，所以FPs没有发生

所以我发现，在这个场景中，我必须在没有磁带的情况下传递图像，这样才能区分磁带和没有磁带

我考虑了两种实验选择，并试图解决这种行为：

火车经过大量没有任何注释的图像（占我所有负片样本的10%）以及所有有真实注释的图像

在我没有注释的图像上