tensorflow对象检测API的置信水平

我正致力于通过tensorflow执行对象检测，我面临的问题是对象检测不是很准确。我使用的架构是

更快的\u rcnn\u resnet\u 101

更具体地说，我想回答的问题如下：

我正在尝试检测盒子，但我附加的图像检测到平板电脑为盒子，但置信度非常高（99%）。我想找出置信水平的定义和打印位置，因为我真的很好奇为什么平板电脑的置信率如此之高，以至于被检测为一个盒子。我输入的所有训练数据都与我检测到的一样

---

有谁能帮我找出Tensorflow对象检测API中定义的置信水平在哪里？或者让我来解决这个问题

首先，我将解释如何生成分数。 方框边缘显示的置信度分数是

模型更快\u rcnn\u resnet\u 101

的输出。下面是它是如何生成的

上图借用了快速R-CNN，但对于框预测部分，快速R-CNN具有相同的结构。我们从ROI池层开始，所有区域建议（在特征图上）都经过池层，并将表示为固定形状的特征向量，然后通过完全连接的层，将成为ROI特征向量，如图所示。现在，相同的ROI特征向量将被馈送至softmax分类器进行类别预测，并馈送至bbox回归器进行边界盒回归。下面是它们在tensorflow图中的样子

在图中，展平和展平_1节点都接收相同的特征张量，并且它们执行展平运算（展平运算之后，它们实际上是第一个图中的ROI特征向量），并且它们仍然相同。现在我们将重点放在类预测器上，因为这实际上会给出最终的类预测

上图是ClassPredictor内部的内容它实际上是一个完全连接的层，如第一幅图所示。输出张量是图中64*24的形状，它代表64个预测对象，每个对象是24个类中的一个（23个类中有一个背景类）。因此，对于每个对象，输出是一个1x24向量，99%和100%的置信度分数是向量中的最大值

因此，关于您的问题，没有定义置信度分数，但是模型的输出有一个置信度分数，您可以在可视化功能中定义该分数，所有大于该阈值的分数都将显示在图像上。因此，除非重新训练模型和/或提供更多训练数据，否则无法更改置信度分数。在您的图中，在计算精度时，99%的平板电脑检测将被归类为假阳性

---

解决这一问题的解决方案是添加更多的培训数据和/或培训更多的步骤（但不要过度拟合）

谢谢您的帮助@欣略流欢迎来到SO:）。如果这个问题有用，你可以投赞成票。请检查此处以了解如何接受答案：。