问题描述
我正在使用detectron2解决细分任务, 我正在尝试将一个对象分为4类, 因此我使用了 COCO-InstanceSegmentation / mask_rcnn_R_50_FPN_3x.yaml 。 我已经应用了4种增强变换,经过训练,我得到了约0.1 总损失。
但是由于某种原因,bBox的准确性不适用于测试集上的某些图像, bBox会放大或缩小,或者不会覆盖整个对象。
此外,有时预测器会绘制几个bBox,尽管只有一个对象,但它假设有几个不同的对象。
有什么建议可以提高准确性吗?
是否有任何好的做法可以解决此问题?
任何建议或参考材料都会有所帮助。
解决方法
我建议以下内容:
- 确保您的训练集具有要检测的所有尺寸的物体:通过这种方式,网络了解到物体的尺寸可以不同并且不太容易过拟合(检测器可以假设您的物体应该只有较大的尺寸)例如)。
- 添加数据。与其应用所有类型的扩充,不如尝试添加更多的数据。尽管只有一个对象,但检测到不同对象的现象使我相信您的网络不能很好地推广。就我个人而言,我每个班级至少选择500个注释。
通过(2)可以实现最大的进步。
一旦您有了一个不错的基线,您也可以尝试进行增强。