SSD目标检测算法在kitti数据集上训练效果不佳

Question

用ssd算法检测行人和车辆，采用了kitti数据集进行模型训练。没有采用预训练模型，主干网络也去掉了两层，迭代了几十万次，loss再也降不下去。训练出来的模型只能检测出车辆，无法检测出行人，并且还有时将行人，自行车检测为车辆。各种调参均无效，如何解决呢？我在想会不会是样本不均衡，感觉kitti数据集的行人数量相比车辆还是太少。但是采用ssd_vgg_300预训练模型进行训练效果是好的，这是为什么呢？

Answer 1

会写代码的好厨师 2019-04-15 12:18:06

首先，网络是否会收敛基本上应该在训练几万次的时候就能够看出来了。十几万次如果还不收敛那大概率是网络结构的问题（除去样本错误）。需要提醒的一点是，主干网络的结构在进行调整过之后，很有可能会导致结果不好，在使用SSD模型的时候，一定要注意输入给detection层的feature map尽量保证是卷积之后的结果，在relu和BN之前。网络结构如果本身有问题，调整参数是没有太大帮助的。在使用SSD_VGG原始模型进行训练的时候，不加预训练是够能够正常收敛？

• 提问者 reapp #1

  在使用SSD_VGG原始模型进行训练的时候，不加预训练也不能够正常收敛（看的是几万次的训练结果），会不会是数据的问题呢？