配置中的图像增强选项，用于使用 SSD MobileNetv2 进行对象检测和高损失值

Question

我注意到，当我包含如下所示的图像增强选项来训练我的对象检测模型时，损失值非常高，例如 30K 和 65K，这与我不使用这些选项不同

为什么会这样？请注意，我只观察到了前几百步，并且没有让我的模型坐太久。

这些损失值为 65K

data_augmentation_options {
    random_image_scale {
      min_scale_ratio:0.5
      min_scale_ratio:2
    }
  }  
  data_augmentation_options {
    scale_boxes_to_pixel_coordinates {
    }
      }

~30K 加上这些损失值

data_augmentation_options {
    random_image_scale {
      min_scale_ratio:0.5
      min_scale_ratio:2
    }
  }
  data_augmentation_options {
    random_pixel_value_scale {
    }
  }
  data_augmentation_options {
    random_crop_image {
    }
  }
  data_augmentation_options {
    scale_boxes_to_pixel_coordinates {
    }
  }

Answer 1

我昨天刚刚观察到了同样的情况，并为我提出了以下观察结果。如果您只观察几个步骤的训练，它无法像使用非增强数据集那样快速概括整个测试集。在这里，你必须看到一个像一个更大的数据集一样的增强数据集，其中有更多的方差。但是这里的信息从第一个纪元开始就不可用，它需要一些时间，直到在训练期间暴露这种差异。

因此，只需尝试训练更长时间并观察结果，结果应该会有所改善。