Object detection api 使用Tensorflow对象检测API的自定义SSD模型中存在许多误报

我的模型有2门课（没有背景课），使用ssd_mobilenet_v2_coco的转移学习进行培训。它能很好地检测和分类训练对象。然而，在新图像上，它还检测到许多背景的假阳性边界框。 有时，检测到的背景对象是coco数据集中存在的对象（例如杯子），但不仅如此，还检测到黑屏作为对象

我的模型特征是否仍然对Coco数据集对象敏感

我认为在配置文件中，这个问题的相关部分是hard_example_miner。然而，我不明白这是如何相关的，如果我应该改变我的当前配置 这是我正在使用的配置：

hard_example_miner {

num_hard_examples: 3000

iou_threshold: 0.99

loss_type: CLASSIFICATION

max_negatives_per_positive: 3

in_negatives_per_image: 3

}

---

我应该对此进行任何更改吗？或任何其他改进背景图像模型的解决方案？

假阳性的置信度分数是多少，它们是否都很高？你的训练数据有多大？假阳性的信心分数非常高（0.99）。训练数据的大小为1400张图像（每堂课大约800张和600张）。图像大小为300X300。假阳性的置信度是多少，它们是否都很高？你的训练数据有多大？假阳性的信心分数非常高（0.99）。训练数据的大小为1400张图像（每堂课大约800张和600张）。图像的大小为300X300。