如何解决仅10张图像的训练目标检测模型
我正在尝试使用以Resnet50为骨干的Mask-RCNN训练对象检测模型。我正在使用PyTorch的Torchvision库中的预训练模型。我只有10张图片可以用来训练。在相同的10张图像中,我正在使用3张图像进行验证。为了进行评估,我使用了COCO数据集中使用的评估方法,该方法在TorchVision的github存储库中也以.py脚本的形式提供。
为了有足够的样本进行训练,我对相同的10张图像进行了100倍的过采样,即最终得到了1000张可用于训练模型的图像。同样,我最终得到了300张可用于验证的图像。
现在,问题是在训练后我的mAP为0%,召回率为0%。我有两个问题:
问题1。为什么它会返回0%的mAP?
如果这与我在很大程度上过度采样有关,那么我的下一个问题是
第二季度。过度采样是否不应该导致模型过度拟合,而是为我的案例提供更高的训练和验证准确性(因为我是从训练数据本身中选择验证数据的?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。