Python tensorflow目标检测训练模型不工作

我使用ssd和更快的r-cnn模型对我的数据集进行tensorflow对象检测的训练。数据集中有220张训练图像和30张测试图像。 我对模型进行了20万步的训练，结果在1步以下就失败了。但当我在视频上测试我训练的模型时，它几乎检测并标记了视频中的所有内容。 谁能告诉我为什么会这样？

---

谢谢您

您使用的类数只有一个，您使用属于同一类的图像训练了您的模型，并对其进行了相同的测试

所以问题是模型是倾斜的（预测所有图像都是一样的） 不管你在什么图像上测试它，你都会得到相同的输出

解决方案：

用几乎相同数量的负片训练你的模型

例如：220张包含要识别对象的图像（将它们标记为1）和另外近220张不包含对象的图像（将它们标记为0）

使用F1分数检查您的准确性，因为它将帮助您了解数据集是否倾斜

检查以了解不同类型的精度测量。

---

参加课程以了解有关CNN的更多信息。

请添加类数和图像的输入大小这一定是一个过拟合问题。@janu777类数为1，输入大小为300*300在您的模型配置文件中，您是否将“分数阈值”更改为，0.3？谢谢。我将在几天内重新培训并发回。仍然不起作用。在图像上它在一定程度上起作用，但在视频上它检测到所有错误或未检测到任何东西。我用4节课和500k步（损失0.98）训练了我的模型。请建议我可以做什么。我的动机是根据特定的服装（例如员工）检测人.说出你所有4个班级的名称，以及你在staff、Macnchese、racoon和dog每个班级中有多少个训练样本。220每个。staff班级是我自己的数据，其余都来自互联网。你需要更多数据。首先试着用一些基本的课程来训练你的模型，比如狗/猫，看看它是否有效。在那里你会发现人们在讨论和上传好的工作内核。这样你就能很好地了解出了什么问题