问题描述
我正在尝试使用张量流（a-z，A-Z，0-9和变音符号等）检测小的字母字符和数字（在分辨率为2000x1000的图像上，标签大小约为18x24像素）。 我尝试了不同的预训练模型进行训练，但检测器从未在测试图像中找到单个物体。即使经过85000步，图像上也没有检测到任何东西。
训练图像和测试图像包括多达69个不同的类别（单个图像上每个类别的数量从1到30甚至更多不等）。我编写了一个脚本，在每个图像上使用了不同类别的脚本，将其复制了很多次并分离了各个类别，因此我得到了大量的图像（约6000张图像）用于训练。现在，每个图像都只标记了1个不同的类（每个图像上单个类的数量仍在1到30之间变化），并且所有图像都具有相同的分辨率（2000x1000）。
我还尝试在每个图像上剪切每个标记的类并将其保存在单个图像中，因此我得到了大约35000个小图像（大约18x24像素-分辨率根据字母字符的大小而有所不同）或数字），但经过70000步后，检测器仍未检测到任何东西。
当我使用faster_rcnn_inception_v2_pets模型时，总损失在我的训练中稳步下降，但有时会出现单一步骤，其中损失会爆炸，一段时间后，这些“爆炸性”损失的发生率会增加。
虽然使用faster_rcnn_inception_resnet_v2_atrous_coco模型，但是在开始训练后，损失直接在0.07和1.5之间跳跃，有时甚至会爆炸成千上万。
我还尝试了ssd_mobilenet_v2_coco预先训练的模型，但检测也没有成功。
我对标签map.pbtxt和generate_tfrecord.py文件进行了两次，三次和四次检查，它们看上去都很好。
即使我将min_score_thresh降低到0.1，检测器也可能永远找不到单个对象吗？
有没有人可以帮助我解决我的问题？
感谢您的阅读，非常感谢您的帮助！
我的设置是：
Tensorflow版本1.15-gpu
Python版本3.67
Num_Classes：69
训练数据集：6000张图像
预先训练的模型：faster_rcnn_inception_v2_pets fast_rcnn_inception_resnet_v2_atrous_coco ssd_mobilenet_v2_coco
faster_rcnn_inception_v2_pets的配置文件（另一个配置文件具有相同的配置）：
model {
faster_rcnn {
num_classes: 69
image_resizer {
keep_aspect_ratio_resizer {
min_dimension: 1000
max_dimension: 2000
}
}
feature_extractor {
type: 'faster_rcnn_inception_v2'
first_stage_features_stride: 16
}
first_stage_anchor_generator {
grid_anchor_generator {
scales: [0.05,0.1,0.15,0.25,0.5,1.0,2.0]
aspect_ratios: [0.25,2.0,2.5]
height_stride: 16
width_stride: 16
}
}
first_stage_Box_predictor_conv_hyperparams {
op: CONV
regularizer {
l2_regularizer {
weight: 0.0
}
}
initializer {
truncated_normal_initializer {
stddev: 0.01
}
}
}
first_stage_nms_score_threshold: 0.0
first_stage_nms_IoU_threshold: 0.7
first_stage_max_proposals: 300
first_stage_localization_loss_weight: 2.0
first_stage_objectness_loss_weight: 1.0
initial_crop_size: 14
maxpool_kernel_size: 2
maxpool_stride: 2
second_stage_Box_predictor {
mask_rcnn_Box_predictor {
use_dropout: false
dropout_keep_probability: 1.0
fc_hyperparams {
op: FC
regularizer {
l2_regularizer {
weight: 0.0
}
}
initializer {
variance_scaling_initializer {
factor: 1.0
uniform: true
mode: FAN_AVG
}
}
}
}
}
second_stage_post_processing {
batch_non_max_suppression {
score_threshold: 0.0
IoU_threshold: 0.6
max_detections_per_class: 100
max_total_detections: 300
}
score_converter: softmax
}
second_stage_localization_loss_weight: 2.0
second_stage_classification_loss_weight: 1.0
}
}
train_config: {
batch_size: 1
optimizer {
adam_optimizer: {
learning_rate: {
manual_step_learning_rate {
initial_learning_rate: 0.0002
schedule {
step: 900000
learning_rate: .00002
}
schedule {
step: 1200000
learning_rate: .000002
}
}
}
}
use_moving_average: false
}
gradient_clipping_by_norm: 10.0
fine_tune_checkpoint: "C:/xxx/object_detection/faster_rcnn_inception_v2_coco_2018_01_28/model.ckpt"
from_detection_checkpoint: true
load_all_detection_checkpoint_vars: true
num_steps: 200000
data_augmentation_options {
random_horizontal_flip {
}
}
}
train_input_reader: {
tf_record_input_reader {
input_path: "C:/xxx/object_detection/train.record"
}
label_map_path: "C:/xxx/object_detection/training/labelmap.pbtxt"
}
eval_config: {
metrics_set: "coco_detection_metrics"
num_examples: 1101
}
eval_input_reader: {
tf_record_input_reader {
input_path: "C:/xxx/object_detection/test.record"
}
label_map_path: "C:/xxx/object_detection/training/labelmap.pbtxt"
shuffle: false
num_readers: 1
}
解决方法
首先从较小的模型开始，例如ResNet-18或ResNext。
如果您要直接在高分辨率图像上进行训练，请先在较小尺寸的图像上进行训练。
尝试使用StepLR或CyclicLR。使用数据扩充。
但是，最重要的是，每次尝试一个步骤，然后在每个步骤中添加一件事。
并且由于您使用的是预先训练的模型... ，您是要分离头部，然后训练数据集中的最后一层吗？尝试从一开始就冻结大部分图层，并在需要时朝末端和头部解冻。但是，请尝试在经过预先训练的模型中分离当前的头部，然后在您的数据集中训练这些类。