使用TensorFlow目标检测API训练时BoxClassifierLoss等损失恒为0求助

1. BoxClassifierLoss/localization_loss 恒为0的排查与修复 #

• 验证标注框格式是否符合要求：TensorFlow Object Detection API 要求输入标注的边界框为归一化到[0,1]区间的[y_min, x_min, y_max, x_max]格式，若标注使用像素绝对值、坐标顺序颠倒、或y_max<y_min/x_max<x_min导致框无效，二阶检测头会匹配不到正样本，直接返回0损失。
• 核对二阶检测头采样配置：检查配置文件中second_stage_batch_size参数，你使用的faster_rcnn_resnet152_v1_640x640_coco17_tpu-8默认值为64，若该参数被误改为0或极小值，二阶阶段不会采样正样本做边界框回归，对应损失会恒为0。
• 确认类别配置匹配度：检查配置文件中num_classes参数是否和你的数据集实际类别数完全一致，若多算/少算类别（比如误将背景类计入类别总数），会导致正样本标签匹配失败，二阶头无有效回归样本。

2. Loss/regularization_loss 恒为0的排查与修复 #

• 检查正则化配置：该模型默认对卷积层添加权重为0.0001的L2正则化，若你手动修改配置时将正则化权重设为0，或删除了正则化相关配置，这部分损失就会显示为0，恢复默认正则化配置即可恢复正常损失数值。
• 验证主干网络冻结状态：如果你训练时冻结了全部主干网络参数，可训练参数为0时也会出现正则化损失为0的情况，解冻部分高层主干网络参与训练即可解决。

3. 额外优化建议 #

你日志中显示当前学习率为0.09，远高于该模型推荐的0.001~0.0025的初始训练学习率区间，过高的学习率会导致参数更新异常，训练失效，建议先将学习率调低后重新训练，验证损失是否恢复正常。

内容的提问来源于stack exchange，提问作者Lasse Harde