faster rcnn 訓練的模型，loss很低但是找不到目標，請問是什麼原因？
我用的代碼是smallcorgi/Faster-RCNN_TF
訓練的時候loss在0.2左右，但是跑demo的時候卻找不到訓練的目標
請問是什麼原因？
有可能是神經元死掉了嗎？我該如何確定神經元有沒有死掉？
我之前也遇到過類似的問題，後來發現是因為只有分類loss，沒有回歸loss，也就是說所有的anchor或者proposal都沒有匹配到ground truth這個當時是因為訓練程序的bug(訓練程序自己寫的，難免有bug)，所以這種情況僅供參考。
如果大部分的ground truth都很小的話，或者因為某種過濾規則造成大部分ground truth都傳不到最後的loss層，那就會出現類似的情況了
我也是，loss從6點多下降到0.6，按理說不錯了，但是預測的時候只能找到狗和人，其他的東西基本上找不到，這是什麼原因？
可以看一下網上訓練的，loss大概是多少。
一般出現這個問題，就是訓練和預測的時候，預處理不一樣導致的。
比如訓練時，圖片除以255，做了歸一化。
還有可能就是batch_norm導致的，可以看看有沒有batch_norm。
tensorboard看一下權重
注意faster rcnn分步訓練的四個步奏。在有些情況或者數據集上，直接卷積層，rpn，classifier 一起訓練會導致rpn層的positive proposals 越來越少，出現訓練變快，loss降低的假象。
我也剛遇到這個問題，訓練的時候loss飛速下降但是訓練失敗，請問您最後調好了么
推薦閱讀：
