训练集可以采样到2000张目标图片,但是实际在线上服务的模型需要面对2000万数据,而这两千万数据里面大概只有10张左右需要检测的物体,针对这种极端的情况如何降低误召? 我目前使用的检测是yolov5
补充说明:
误检和漏检都不希望,只能是取平衡,现在2000万数据我可以召回,1000张图片,里面真正是目标的大概只有1-5张,肯定还是有漏的,但是现在来看主要还是先把误召降下来,关于阈值,已经是做过卡分的,但是有个现象是针对这种极端数据,一些目标的分值也就是0.5-0.6,分值高了确实召回会变少,但很容易就全是误召了。 (我做过几次迭代,就是把误召的数据加进训练集,因为v5的mosaic增强,会减少一定误召了,已经是从2w的误召减少到2000了,但是还是希望进一步提升)
#人工智能 #yolov5 #目标检测 #稀疏数据