我正试图训练一个对象检测模型来检测和分类10个类。我的原始数据集非常稀疏且不平衡,共包含3k张标签图片,类之间的分布如下。
第一类: 21
第2班:22人
三班:9人
第4班:192人
第5类:2240
第6班:319人
7班:56人
8班:190人
9班:44人
10级:167人
由于这种稀疏性,我对所有图像进行了增强,即添加噪声、模糊、对比度、亮度和水平翻转。我还对翻转后的图像进一步增强了噪声、对比度和亮度。最终的数据集由37k张被标记的图像组成,其分布情况如下。
第一类: 4235
第2类:5365
第3类:2385
第4类:10755
第5类:17185
6级:4035
7级:3150
第8类:3820
第9类:555人
10班:1500人
下图显示了4个不同环节的不同损失。粉色图是来自37k图像的增强数据集的结果,而其他图则是来自之前在约2.5k图像的原始数据集上的运行。从粉色图中可以看出,总损失与初始值相比根本没有下降(之前运行的蓝色和红色图也是如此)。RPN的损失在减少,但盒子分类器的损失却在增加,这可能是什么原因呢?
我还附上了每个类的平均精度的图像。事实上,大部分类的精度一直在稳步上升,而损失却没有下降,我觉得这好像是模型过拟合?像我这样通过增强每一个数据集来增加10倍的数据集是个坏主意吗?我还在下面附上了我正在使用的配置文件。任何关于如何改善我的训练结果的建议都将被感激不尽!
model {
faster_rcnn {
num_classes: 10
image_resizer {
fixed_shape_resizer {
height: 300
width: 500
}
}
feature_extractor {
type: 'faster_rcnn_inception_resnet_v2'
first_stage_features_stride: 8
}
first_stage_anchor_generator {
grid_anchor_generator {
scales: [0.25, 0.5, 0.75, 1.0, 1.5,2,3]
aspect_ratios: [0.5,1,2,3]
height: 32
width: 32
height_stride: 8
width_stride: 8
}
}
first_stage_atrous_rate: 1
first_stage_box_predictor_conv_hyperparams {
op: CONV
regularizer {
l2_regularizer {
weight: 0.0
}
}
initializer {
truncated_normal_initializer {
stddev: 0.01
}
}
}
first_stage_nms_score_threshold: 0.0
first_stage_nms_iou_threshold: 0.5
first_stage_max_proposals: 300
first_stage_localization_loss_weight: 2.0
first_stage_objectness_loss_weight: 1.0
initial_crop_size: 17
maxpool_kernel_size: 1
maxpool_stride: 1
second_stage_box_predictor {
mask_rcnn_box_predictor {
use_dropout: True
dropout_keep_probability: 0.6
fc_hyperparams {
op: FC
regularizer {
l2_regularizer {
weight: 0.0
}
}
initializer {
variance_scaling_initializer {
factor: 1.0
uniform: true
mode: FAN_AVG
}
}
}
}
}
second_stage_post_processing {
batch_non_max_suppression {
score_threshold: 0.3
iou_threshold: 0.5
# soft_nms_sigma: 0.5
# use_class_agnostic_nms: True
# max_classes_per_detection: 1
max_detections_per_class: 100
max_total_detections: 100
}
score_converter: SOFTMAX
}
second_stage_localization_loss_weight: 2.0
second_stage_classification_loss_weight: 1.0
}
}
train_config: {
batch_size: 1
use_multiclass_scores : False
optimizer {
#momentum_optimizer: {
adam_optimizer: {
learning_rate: {
manual_step_learning_rate {
initial_learning_rate: 0.0001
schedule {
step: 150000
learning_rate: .00001
}
schedule {
step: 250000
learning_rate: .000001
}
}
}
#momentum_optimizer_value: 0.9
}
use_moving_average: false
}
gradient_clipping_by_norm: 10.0
from_detection_checkpoint: false
data_augmentation_options {
random_horizontal_flip {}
}
data_augmentation_options {
random_crop_image {
min_object_covered : 1.0
min_aspect_ratio: 1
max_aspect_ratio: 1
min_area: 0.5
max_area: 1
random_coef: 0.5
}
}
}
不幸的是,对于深度学习,很多时候很难区分到底是哪个参数给你带来了问题。从你的问题来看,即使进行了数据增强,似乎也是一件很好的事情,就是你每个类的图片数量变化非常大。
比如说你增强数据后,你最终会有这些到类中的图片的情况
第5类:17185
第9类:555人
5级有17185张图片,而9级只有555张。在图像数量上存在着巨大的不平衡,通常情况下,它更倾向于让每个类的图像数量尽可能地接近。
当你在训练时,你会有一个验证部分,所有类的图像池将用于测试该实例的模型。如果你在一个类中有一堆图像,而另一个类没有,那么模型在验证来自大类的图像时会做得相当好,而在验证来自小类的图像时会很吃力,因为模型没有很多例子来训练,或者它开始用大类来训练更重,因为里面有更多的训练例子。