Python tensorflow训练的检测模型只适用于固定位置

我重新训练了一个对象检测模型来检测一个自定义对象，它在与训练集大小相同的测试用例上非常有效

但是，当我调整测试图片的大小或在图片中移动要检测的对象时（移动到训练集中显示的其他位置），检测失败

在我的训练集中，我在每张图片（右上部分）中使用目标对象或多或少处于相同位置的图片

我想也许我应该使用目标对象的随机位置向训练集中添加更多项目，但随后我使用mspaint水平翻转图片（目标对象位于左上角而不是右上角，并且镜像了），检测成功

这就是我感到困惑的地方，我希望有人能告诉我我做错了什么，或者给我一些克服错误的建议

非常感谢

编辑：

为了便于理解，这是一个说明，而不是实际的目标对象/背景等

此示例获得99%的分数，您可以将其视为来自培训集中的图片：

同样的镜像图像也获得99%的分数：

这就是使用mspaint将对象降低一点的地方，得到大约94%：

这是与第一张（99%）从底部>上方裁剪的图像相同的图像。此处，根本未检测到对象：

编辑2:

如Mark在评论中所述，更多详细信息：

代码和环境：我在这里遵循了本教程，没有更改代码中的任何内容

---

关于训练集，绝大多数图像都是720x480，并且大多数情况下目标对象都放置在每个图像的右上角。

我认为有关训练（超参数、正则化方法等）和数据集（大小和示例）的更多详细信息会有所帮助。关于镜像图像行为，您的部分培训可能使用水平翻转？代码也会帮助Hi Mark，关于代码和所有内容，我在这里遵循了本教程，没有更改代码中的任何内容。关于训练集，绝大多数图像都是720x480，并且大多数情况下目标对象都放置在每个图像的右上角。