为什么我的tensorflow目标检测识别效果这么差

Question

操作系统：WINDOWS7
python：3.6
tensorflow：1.15.0
目标检测models：1.13

在下刚开始学习tensorflow的，在终于搭建好tensorflow环境之后，试着用jupyter notebook运行了演示demo（models\research\object_detection\object_detection_tutorial.ipynb），然后用自己的图片替换测试图片，结果发现识别的效果极差，简直惨不忍睹。

PB文件我用的是“ssd_mobilenet_v1_coco_2017_11_17”预训练模型文件夹中缺省的frozen_inference_graph.pb，修改的代码如下（其它部分基本没改动）：

# What model to download.
MODEL_NAME = 'ssd_mobilenet_v1_coco_2017_11_17'
MODEL_FILE = MODEL_NAME + '.tar.gz'
DOWNLOAD_BASE = 'http://download.tensorflow.org/models/object_detection/'

# Path to frozen detection graph. This is the actual model that is used for the object detection.
PATH_TO_FROZEN_GRAPH = MODEL_NAME + '/frozen_inference_graph.pb'

# List of the strings that is used to add correct label for each box.
PATH_TO_LABELS = os.path.join('data', 'mscoco_label_map.pbtxt')

我试着按https://blog.csdn.net/chenmaolin88/article/details/79357263的做法，下载了那些小浣熊的图片，自己训练，步骤设置为3000次，完成后用网上找的小浣熊图片进行测试，结果都要好得多。这让我非常疑惑：

为什么这个tensorflow官方提供的“ssd_mobilenet_v1”训练模型对人的识别效果如此之差，是我打开的方式不对吗，还是说这个PB模型本身只是个范例而已，只能到这种程度？

如果我想要得到更好的行人/人群检测效果，比如接近这样的训练模型，请问该去哪里学习和获取呢？：