训练的模型推理出现问题

[penghaoran]

我训练的模型是ssd_mobilenet_v1，推理的时候好像没有区分出来background，我直接拍摄背景的图片去推理，也会识别成某个class，请问下这种情况一般是什么原因。 我用的是VOC格式的数据库，自己收集的数据，请问下需要是不是准备一些负样本会好点，负样本的标注文件该怎么写，我没有在paddle的网站上找到相关资料。 谢谢。

[yghstill]

@penghaoran 你的配置文件中num_classes是否等于真实类别数+1(background)，推理的时候是label标签错乱了，而检测框是正常的吗？

[penghaoran]

num_classes=真实类别数+1(background) label标签没有错乱，就是检测框不正常，我的训练的照片是把物体放在一个白色的面板上拍照采集的，然后把直接把没有放任何东西的照片放进去作推理，也能识别成一个class.

[penghaoran]

@penghaoran @still-wait 你的配置文件中num_classes是否等于真实类别数+1(background)，推理的时候是label标签错乱了，而检测框是正常的吗？

num_classes=真实类别数+1(background) label标签没有错乱，就是检测框不正常，我的训练的照片是把物体放在一个白色的面板上拍照采集的，然后把直接把没有放任何东西的照片放进去作推理，也能识别成一个class.

[yghstill]

@penghaoran 这个属于误检，是ssd模型的问题了，训练loss收敛稳定了吗？你训练完测试mAP了吗？一般小模型的误检率会很高，如果ssd模型解决不了你的问题，想提高准确率，建议尝试其他比如PP-YOLO的模型。

[penghaoran]

@still-wait @penghaoran 这个属于误检，是ssd模型的问题了，训练loss收敛稳定了吗？你训练完测试mAP了吗？一般小模型的误检率会很高，如果ssd模型解决不了你的问题，想提高准确率，建议尝试其他比如PP-YOLO的模型。 训练loss收敛稳定在0.3左右，mAP测试出来为100。图片1000多张。 PP-YOLO可以通过paddlelite在树莓派上使用吗？

[penghaoran]

@still-wait 这种可以不可以通过添加负样本训练来解决呢？

[yghstill]

@penghaoran 目前ssd_loss无法计算不加gt信息的输入，如果想在训练加入负样本，需要新增并标注background这个类别传入网络进行训练。

[yghstill]

@still-wait @penghaoran 这个属于误检，是ssd模型的问题了，训练loss收敛稳定了吗？你训练完测试mAP了吗？一般小模型的误检率会很高，如果ssd模型解决不了你的问题，想提高准确率，建议尝试其他比如PP-YOLO的模型。 训练loss收敛稳定在0.3左右，mAP测试出来为100。图片1000多张。 PP-YOLO可以通过paddlelite在树莓派上使用吗？

https://github.com/PaddlePaddle/PaddleDetection/tree/release/0.4/configs/mobile 移动端的ssd与yolo模型都支持paddlelite预测

[penghaoran]

@penghaoran 目前ssd_loss无法计算不加gt信息的输入，如果想在训练加入负样本，需要新增并标注background这个类别传入网络进行训练。

@still-wait 配置文件的num_class还是为真实类别+1，然后voc.py 里面还是只放真实类别，不需要加‘background’：0吧？只是在VOC的数据样本里面加一些数据，然后用labelimg标注为background就可以了，对吗？

[yghstill]

@penghaoran 在voc.py里background还是要加上的，因为你现在将background作为一个正样本类别去训练，background作为负样本还要保留，它会在网络中计算。

[penghaoran]

@penghaoran 在voc.py里background还是要加上的，因为你现在将background作为一个正样本类别去训练，background作为负样本还要保留，它会在网络中计算。

@still-wait 好的。感谢你的耐心回复。