This thread has been locked.

If you have a related question, please click the "Ask a related question" button in the top right corner. The newly created question will be automatically linked to this question.

[参考译文] SK-AM62A-LP:训练准确度更好、但假阳性率非常高

Guru**** 2395275 points


请注意,本文内容源自机器翻译,可能存在语法或其它翻译错误,仅供参考。如需获取准确内容,请参阅链接中的英语原文或自行翻译。

https://e2e.ti.com/support/processors-group/processors/f/processors-forum/1491344/sk-am62a-lp-training-accuracy-is-better-but-the-false-positive-rate-is-very-high

器件型号:SK-AM62A-LP

工具与软件:

 图1.

我们已经完成了训练并得到准确度是1(见图1),总共3个样本:  1坏,2好3-反转,但假阳性率非常高,特别是对于好的样本,

 图2

REA 框是表格错误样本、蓝色框是表格反向 样本、另一个样本是良好样本。

您能 给 我们任何建议来帮助我们提高 认可率吗?

  • 请注意,本文内容源自机器翻译,可能存在语法或其它翻译错误,仅供参考。如需获取准确内容,请参阅链接中的英语原文或自行翻译。

    Terry、您好!

    由于您的模型在训练集中为100%、但在真实数据/测试方面表现不佳、我感觉这太合适了。 它已经很好地学习了训练数据的模式,所以它正在努力处理看起来并不完全相同的新数据。

    您有多少张培训图片? 超拟合更有可能发生在较小的数据集和/或太多的训练阶段。

    在不了解训练数据集的情况下、我建议捕获更多图像、尤其是具有"好"类的图像。  

    • 具有不同的照明条件(光源的强度和位置->将影响阴影和反射)是明智的。
    • 物体的位置和方向也很容易变化、但基于 YOLO 的模型通常对此是可靠的