如何解决SSD 用于单类检测
我正在训练 SSD 模型来检测图像中的人脸，最大人脸数量为 20。 我使用 VGG16 作为模型的主干（带有预训练的权重）。 在 SSD 层之后，我为每张脸的位置和每张脸实际上是一张脸的概率添加了密集层：
#ssd is the last ssd layer
flt = keras.layers.Flatten()(ssd)
class_output = keras.layers.Dense(20,activation='sigmoid',name='output_class')(flt)
loc = keras.layers.Dense(20,activation='relu')(ssd)
loc_output = keras.layers.Reshape((20,2,2),name='output_loc')(loc)
class_output 的损失函数和度量函数是 binary_crossentropy
我有几个问题： 这是我应该做的方式吗？还是有另一种方法？ 我应该为位置输出使用什么损失和度量函数？我考虑过使用 IoU 来衡量指标，但我不确定应该用什么来衡量损失...
非常感谢帮助者！！
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。
