PaddleX/latest/pipeline_usage/tutorials/cv_pipelines/object_detection

[giscus[bot]]

PaddleX/latest/pipeline_usage/tutorials/cv_pipelines/object_detection

https://paddlepaddle.github.io/PaddleX/latest/pipeline_usage/tutorials/cv_pipelines/object_detection.html

[ganzhiming]

请教一下，我们用目标检测产线在工业上有一个应用，是检测针孔端子计数的项目，模型用的是:Cascade-FasterRCNN-ResNet50-vd-SSLDv2-FPN。在训练自定义数据集的时候有几个问题请教一下:
1.训练模型最好的mAP是0.657，我想了解一下这个mAP是不是一个训练比较好的模型，最高能到多少？
2.为什么在同一个数据集情况下，同样的配置情况下，每次训练的mAP还不一样？
3.mAP0.657是在177张图片(train：124 val:53)情况训练的，今天新增到220张(train：160，val:60)，训练的效果反而不好，拍摄的照片都是在同等环境下拍摄的，新增的图片区别是一张图片里面多端子，然后再去标注的
以上3个问题，还请帮忙解答一下！感谢！