我在自定义数据集上使用带有Inception V2的Faster RCNN。我的模型运行良好，检测精度高。然而，当我将图像传递给模型时，我面临着误报问题——我得到了正确的预测，但我也得到了一些具有高置信度的错误边界框。有什么方法可以用作后处理来去除这些额外的检测吗？
这似乎是迁移学习的一个常见问题，你应该看看这个讨论。最后，一切似乎都归结为你误报的来源。
例如，有一次我训练了一个探测器来探测野火图像中的烟雾，但它最终也捕捉到了云层。为了解决这个问题，我还将云注释为一个新类，并忽略了它的检测。这大大提高了性能。
如果它以高置信度进行错误检测，我认为仅通过后处理很难解决这个问题。
你也可以尝试努力挖掘。尽管我真的不确定如何为Faster R-CNN做这件事。
在测试模型时，代码中的值
min_score_thresh=0.90
如果将此值设置为0.90，则会显示90%或更正确的结果。