加强人工图像看起来像TF目标检测真实图像

Question

我使用的是从Tensorflow物体检测API的更快R-CNN盗RESNET V2模式培养了CNN的安全标志的检测。因为我没有真正的图像数据集，我写这创建了一个包含计算机的人工数据集drawed签署从公开的数据集（GTSDB，KITTI等），图像和真实世界的背景图像的代码。虽然训练模型上看不见的人工图像的伟大工程，它不能很好地对我采取了与我的iPhone 5SE真实世界的测试图像的工作。

我从imgaug（https://imgaug.readthedocs.io/en/latest/index.html）已经各种数据增强技术和搜索互联网寻找一个解决方案，但没有现实世界图像的任何成功。

还调整测试图像的大小接近训练图像的大小，将它们转换为.png格式并没有任何影响。

我的一个人造的图片，这是我使用的训练（尺寸：640×480，格式为：.PNG）：

与真实世界的测试图像，这应该被用来检验模型的一个（尺寸：3024x4032，格式：.JPG）：

我的想法是，我的图像没有足够接近真实世界的图像，因此，后者的分类不起作用。另一个想法是，我的数据集没有包括足够的“正常”（没有大量增强图像，还没有被增加了很多高斯噪声，旋转，缩放等）训练图像。任何想法如何，我可以让我的训练图像更真实？任何其他输入也是欢迎的。

Answer 1

我们做了我们公司的类似的东西。一般来说，这是一个坏主意，只有当得到这样的数据，没有其他的办法是应尽可能使用。事实上，一个星期花费上标注现实世界的数据会给你更好的结果。

但是，如果你想采用这种做法，这里有我们认为有用的提示：

• 尽量把你的人造物体巧妙，所以使用的背景接近其亮度，清晰度等，这样看起来更自然一点
• 放在适当的位置的标志，所以在墙壁上，而不是在路上
• 冻结你的特征提取网络
• 使用一个小的学习率（类似于5E-07）。

这些仅仅是对过度拟合的建议。

另外，我可以看到列车组和测试组的决议显着不同。调整测试图像输送到你的模型之前手动设置。