Opencv 仅在1个类上使用tensorflow对象检测

我在我自己的数据集（无人机识别）上使用tensorflow（目标检测），也只有一个名为“无人机”的类，经过大约30000个步骤的训练，我的结果模型能够以非常高的精度检测无人机，但我遇到了一个问题，我在model zoo上使用了ssd_inception_v2_coco模型及其微调检查点，现在，有时在我的实时检测中，它将人脸检测为无人机（像这样的两个对象之间的差异很大），我想这是因为旧的检查点。 我怎样才能防止检测到一些与我的无人机目标有很大不同的目标，比如人、狗、猫。。。或者有人能给我描述一下这里的问题吗？

---

对不起，我的英语不好

即使您为一个类训练SSD，它也会自动创建另一个名为background的类。使用未标记为所需类别的训练图像区域（在您的示例中为无人机）训练背景

一个简单的解决方法是在同一场景中添加训练样本，其中包括既有无人机又有您不想识别为无人机的图像。这样做，然后增加纪元的数量，应该可以提高精度

如果你正在做一个应用程序，其中经常出现一些带有无人机的对象，另一种可能是实际训练网络来处理这些事情。这将增加您的培训工作量，但会提高准确性

---

SSD的一些实现具有硬负数据挖掘选项，因此在验证过程中犯的错误专门用于培训。如果您熟悉该代码，您可能需要检查该代码是否可用。

您是否使用ssd_inception_v2_coco模型应用转移学习？是的，我使用经过培训的ssd_inception_v2_coco模型作为基本检查点。我想您应该收集更多数据并重新培训，顺便问一下，您冻结了多少层？是的，谢谢您的建议。我保留默认的ssd_inception_v2_coco配置，所以我认为它有6层。哦，我的数据集没有人脸或类似狗、猫的东西。谢谢你的建议，我将重新制作我的数据集并重新训练我的modelNice，我不确定我的最终结果是否会很好，但我用包含背景的新数据集重新测试，它的结果比我的旧结果要好得多。我想你的向导会解决我的问题。很高兴我能帮上忙。如果有什么我可以帮忙的，请随意在这里留言或发表评论。对不起，有一个不相关的问题，我想检测多个对象，但是从多个单类训练模型，而不是从一个包含多个类的模型，可以吗？提前谢谢，这是可能的。而且，在所需对象不断变化的应用中，它是很好的。如果要将许多大型网络加载到GPU内存中，可能会出现实现问题，但通常这种方法会导致较小的网络。