我们正在尝试构建一个对象检测应用程序,用于手持对象(钱包,刀,手机等),这需要高精度和召回。
尝试使用YoloV4和V7模型,每个类大约有20K图像。测试MAP在80%左右,精度90左右,召回率75左右。但是,在现场测试中,我们面临着物体处于一定角度时误检和漏检的问题。有哪些选项可以进一步改进模型?
你必须收集更多的图像,你需要更多的时代来更准确地检测。
我们正在尝试构建一个对象检测应用程序,用于手持对象(钱包,刀,手机等),这需要高精度和召回。
尝试使用YoloV4和V7模型,每个类大约有20K图像。测试MAP在80%左右,精度90左右,召回率75左右。但是,在现场测试中,我们面临着物体处于一定角度时误检和漏检的问题。有哪些选项可以进一步改进模型?
你必须收集更多的图像,你需要更多的时代来更准确地检测。
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium