Python 使用SSD Mobilenet（Tensorflow API）在1080p中进行目标检测

大家好,

我的目标是在1920x1080大小的图像上检测人和车（白天和晚上），为此我使用tensorflow API，我使用SSD mobilenet模型，我注释了来自7个不同摄像头的1000张图像（900张用于培训，100张用于评估）。我启动了图像大小为960x540的培训。我的模型不收敛。我不知道该怎么办，我应该为白天和夜晚的物体上不同的课吗

在使用tensorflow API进行人脸检测的教程中，他们使用仅包含人脸的图像的数据集，然后在复杂场景中使用该模型。知道SSD这样的模型也能学习到负面的例子，这是个好主意吗

多谢各位

（来源：）

你说的“不收敛”是什么意思？您是指列车/验证丢失吗？
在这种情况下，我想到的第一件事就是降低学习率（我也有类似的问题）。 您可以通过修改配置文件来完成此操作，在“训练配置”部分，您将找到值“初始学习率”。
试着将它设置为一个较低的值（比如，一个数量级较低），看看它是否有帮助。

你说的“不收敛”是什么意思？您是指列车/验证丢失吗？
在这种情况下，我想到的第一件事就是降低学习率（我也有类似的问题）。 您可以通过修改配置文件来完成此操作，在“训练配置”部分，您将找到值“初始学习率”。

---

尝试将其设置为一个较低的值（例如，降低一个数量级），看看是否有帮助。

谢谢您的回答，验证/培训损失正在减少。通过提高用于培训的数据的质量和数量，我减少了我的问题。我现在有一个错误检测问题，我有很多高置信度的错误检测，根据我的研究，这是因为有一个场景非常相似的数据集。我会随时通知您进展情况，再次感谢您。感谢您的回答，验证/培训损失正在减少。通过提高用于培训的数据的质量和数量，我减少了我的问题。我现在有一个错误检测问题，我有很多高置信度的错误检测，根据我的研究，这是因为有一个场景非常相似的数据集。我会通知你进展的，再次感谢你。