FasterRCNN训练自己的数据集log3

探讨了在AI算法开发中遇到的精度提升难题,通过分析IOU计算及网络精度,发现数据标注质量对算法效果的影响重大。经过与导师讨论,决定重新审核数据标注准确性,以提高模型训练质量。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

说说进展

固化输出的问题解决后,就比较顺了,拿到学长的IOU计算代码,看懂后修改了一些部分,就可以得到网络的精度。(所有IOU的平均值)

现在的问题

得到统计的精度后,发现最高只有30%,不过学长说这样统计精度不大准确,确实,从结果看,对有的样本,精度可以达到100%,只是有的时候假阳性特别高。

和两个老师交流后,老师觉得不可能在背景有相应,我就把原先的标注show给他(一个只标注了背景的样本),说明是数据的问题,又举了几个例子,毕竟我一开始就觉得标注很奇怪。

现在他们要和医生复核数据去了,真好(我还要去统计我觉得标注有问题的给他们,又要考验编程能力(误)了)。

找几个标注很垃圾的po下(上面-预测结果;下面-ground truth):

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值