TensorFlow Object Detection API检测后处理参数设置合理性咨询

首先，根据你的场景描述，设置second_stage_post_processing下的max_detections_per_class: 1和max_total_detections: 3是完全合理的，原因如下：

• 这两个参数的核心作用就是限制后处理阶段保留的检测框数量：
  • max_detections_per_class：控制每个类别最终保留的最高置信度检测框数量，你的场景里每个类别最多出现1个目标，设为1刚好匹配，避免同一个类出现多余的误检框。
  • max_total_detections：控制所有类别总共保留的检测框数量，你的场景最大目标数是3，设为3既能覆盖所有可能的目标，又不会保留多余的无效框。

不过有几个细节可以留意下：

1. 确保你的数据集标注和实际场景一致：如果训练数据里每个类的目标数量也都是1个以内，模型会更好地适应这个参数设置；如果偶尔有标注例外，可以考虑把max_detections_per_class微调为2，留一点冗余空间，但根据你的描述，目前1是完全够用的。
2. 配合置信度阈值使用：这两个参数只保留置信度最高的N个框，但前提是这些框的置信度要超过score_threshold（通常在同一配置块里）。如果测试时出现漏检，先检查是否是置信度阈值设得太高，而不是急着调整这两个数量参数。
3. 测试阶段验证：可以拿测试集跑一遍，看检测结果是否能完整覆盖所有存在的目标，同时没有多余的误检框。如果一切正常，说明这个设置完全适配你的场景。

内容的提问来源于stack exchange，提问作者James