问题描述
我在自定义数据集上使用 Faster RCNN 和 Inception V2。我的模型运行良好，检测精度良好。但是，当我将图像传递给模型时，我面临误报问题，我得到了正确的预测，但我也得到了一些具有高置信度分数的错误边界框。有没有什么方法可以作为后处理去除这些额外的检测？
解决方法
这似乎是迁移学习的常见问题，您应该查看 this 讨论。最后，似乎一切都归结为误报的来源。
例如，有一次我训练了一个探测器来检测野火图像中的烟雾，但它最终也捕捉到了云层。为了解决这个问题，我还将云注释为一个新类，并忽略了它的检测。这大大提高了性能。
如果它以高置信度进行错误检测，我认为仅通过后处理很难解决这个问题。
你也可以尝试挖矿。虽然我不太确定如何为 Faster R-CNN 做到这一点。