我在我自己的数据集（无人机识别）上使用张量流（物体检测），也只有1个名为“无人机”的类，经过约30000步训练后，我的结果模型可以非常精确地检测无人机，但是我遇到了问题，我在模型动物园上使用了ssd_inception_v2_coco模型及其fine_tune_checkpoint，现在有时候在我的实时检测中，它将人脸视为无人机（两个物体之间的差异非常大），我认为是因为旧的检查点。如何防止检测到与我的无人机对象有很大不同的对象，比如人类，狗，猫...或者有人能为我描述这里有什么问题？对不起，我的英语不好
即使您为一个类训练SSD，它也会自动创建另一个名为background的类。使用未标记为所需类别的训练图像区域（在您的情况下为无人机）训练背景。
一个简单的方法是在同一场景中添加训练样本，其中包括具有无人机和您不想识别为无人机的物体的图像。这样做然后增加时期数应该可以提高精度。
如果您正在进行一些频繁出现无人机物体的应用程序，那么另一种可能性就是为这些事情实际训练网络。这将增加您的培训工作量，但提高准确性。
SSD的某些实现具有对数据的硬否定挖掘的选项，因此在验证期间所犯的错误专门用于训练。如果您熟悉代码，则可能需要检查代码是否可用。