win11+tensorflow+Faster-RCNN爬坑记录（四）

这篇主要记录一下课程答辩时老师和其他组同学的问题。
1.为什么采用VGG16模型
2.VGG16模型的优点
3.继续进行量化的测试：损失函数随epoch的变化等等；召回率、置信度变化、如何进行分析、训练曲线（一个回合or多个曲线平均值、起伏较大与什么有关（优化算法？））
4.Batch_size为什么设置这么大，和我CPU的算力是否相符，是否需要调整
5.第一张图片识别时间长是否是因为在加载模型，测试时是否可以将batch_size改为1
6.Faster R-cnn网络是否有预训练模型？
7.40000.cpk模型是什么
8.图片合成视频？
9.合成视频是否会对图片效果进行影响？是否会对训练效果有影响？
10.一共训练了多少轮？
11.红外目标检测是否为小目标识别？什么是小目标？
12.小目标检测和中大目标检测的模型检测有什么区别？如何选择？（浅层网络、深层网络该如何设置？是否使用？）
13.减少训练图片效果如何？（如果小样本精度也较高的话（例如只有200张图，精度高达0.9）是否与问题规模（什么是问题规模，是指这次小目标检测检测车辆吗）较小有关？）
14.图像出现虚景是怎么回事？（与判断阈值（是否过低）、训练集数量是否有关、目标函数的设计是否需要再考虑一下）
15.可见光目标检测与红外目标检测的优缺点？各自在什么场景下应用？
16.检测图片是否包含了所有背景信息
17.笔记本性能存在训练不充分的问题？模型训练不行？