Python Tensorflow对象检测api，检测结果怪异

我已经在自己的数据集上使用rfcn\U resnet101模型对tensorflow对象检测api进行了培训，共有1个类。首先，我使用浣熊数据集，训练了264600次，检测结果很奇怪，它可以检测到物体，但是在右边的盒子周围还有一些其他的小盒子

然后我使用另一个包含一个类的数据集，数据集中有80000个图像，我遇到了熟悉的现象。我很困惑

---

有人遇到过同样的情况吗？我能做些什么来解决这个问题？提前谢谢

我在PASCAL VOC数据集上也有同样的行为。我还没有修复它，因为我只是实现了一个概念验证系统的模型。我的猜测是，如果存在大于或等于定义阈值的IoU，则模型预测提案区域并接受它们。因此，设置

nms\u iou\u阈值可以解决问题

这种采用似乎也适合你的例子。所有预测的边界框似乎都有一个带groundtruth框的IoU。
我在PASCAL VOC数据集上有相同的行为。我还没有修复它，因为我只是实现了一个概念验证系统的模型。我的猜测是，如果存在大于或等于定义阈值的IoU，则模型预测提案区域并接受它们。因此，设置
nms\u iou\u阈值可以解决问题

这种采用似乎也适合你的例子。所有预测的边界框似乎都有一个带groundtruth框的借条。
谢谢您的回答。我试图将第一阶段的nms iou阈值更改为更高的值，但这种现象仍然存在。更重要的是，预测的边界框有时在地面真值框之外。我真的不知道为什么会发生这种情况。然后在
second\u stage\u post\u processing
块中尝试增加
借条阈值。我试图提高借条门槛，但问题仍然无法解决。我想试试其他型号。我想知道你是否解决了这个问题。谢谢你的回答。我试图将第一阶段的nms iou阈值更改为更高的值，但这种现象仍然存在。更重要的是，预测的边界框有时在地面真值框之外。我真的不知道为什么会发生这种情况。然后在
second\u stage\u post\u processing
块中尝试增加
借条阈值。我试图提高借条门槛，但问题仍然无法解决。我想试试其他型号。我想知道你是否解决了这个问题。