我在玩TensorFlow全新的对象检测API，决定用一些其他公开的数据集来训练它。

我偶然发现了这个杂货数据集，它包含了超市货架上各种品牌香烟盒的图像，以及一个文本文件，列出了每张图像中每个香烟盒的边界框。数据集中标记了10个主要品牌，所有其他品牌归入第11个“杂项”类别。

我按照他们的教程操作，成功地在这个数据集上训练了模型。由于处理能力的限制，我只使用了数据集的三分之一，并进行了70:30的训练和测试数据分割。我使用了faster_rcnn_resnet101模型。我的配置文件中的所有参数都与TF提供的默认参数相同。

在经历了16491个全局步骤后，我在一些图像上测试了模型，但对结果并不满意 –

未能检测到顶层货架上的Camel香烟，而在其他图像中却能检测到该产品

为什么它无法检测到顶排的Marlboro香烟？

我遇到的另一个问题是，模型从未检测到除标签1之外的任何其他标签

未能检测到来自训练数据的产品裁剪实例

它甚至在负面图像中以99%的置信度检测到了香烟盒！

有人能帮我找出哪里出了问题吗？我能做些什么来提高准确性？为什么它检测所有产品都属于第1类，尽管我已经提到总共有11个类别？

编辑 添加了我的标签映射：

item {  id: 1  name: '1'}item {  id: 2  name: '2'}item {  id: 3  name: '3'}item {  id: 4  name: '4'}item {  id: 5  name: '5'}item {  id: 6  name: '6'}item {  id: 7  name: '7'}item {  id: 8  name: '8'}item {  id: 9  name: '9'}item {  id: 10  name: '10'}item {  id: 11  name: '11'}

回答：

所以我想我已经弄清楚了发生了什么。我对数据集进行了一些分析，发现它倾向于第1类别的对象。

这是从1到11（基于0的索引）每个类别的频率分布

0 104401 3042 9983 674 4125 1146 1907 3118 1959 7810 75

我猜模型陷入了局部最小值，只需将所有东西标记为第1类就足够好了。

关于未能检测到某些盒子的问题：我再次尝试训练，但这次我没有区分品牌。相反，我试图教模型什么是香烟盒。它仍然无法检测到所有盒子。

然后我决定裁剪输入图像并将其作为输入提供。只是为了看看结果是否会有所改善，结果确实改善了！

原来，输入图像的尺寸远大于模型接受的600 x 1024。因此，它将这些图像缩小到600 x 1024，这意味着香烟盒失去了它们的细节 🙂

所以，我决定在裁剪后的图像上测试在所有类别上训练的原始模型，结果非常好 🙂

这是模型在原始图像上的输出

这是当我裁剪出左上角四分之一并将其作为输入时，模型的输出。

感谢所有帮助过的人！祝贺TensorFlow团队为API所做的出色工作 🙂 现在每个人都可以训练对象检测模型了！