提高深度学习检测网络准确率方法

1 数据

• 增加数据，数据越多越好，深度学习，数据为王。
• 检查数据，有些数据一张图片却包含另一类的对象，比如猫狗分类，一张图片里面既包含狗，又包含猫。所以最好是把所有的数据过一遍，把不太好的数据删除掉。检测数据也是一样，里面可能会有一些检测框标注的不好导致算法效果不好

2 结合业务逻辑或者opencv

• 增加业务逻辑判断，用C++业务逻辑结合检测算法，从而提高准确率。
• 增加opencv代码，有时候可以用opencv一些普通的算法对深度学习算法结果进行二次判断，也能取得一些很好的效果。

3修改类别数

• 增加无关类，比如雾气检测，如果检测算法把正常天气也检测成雾气，那可以增加一个正常天气的无关类。
• 拆分类别，一个检测算法检测的类别数多了也会影响准确率，可以把他拆成好几个算法模型去检测。

4其他

• 数据shuflle，prototxt已经shuffle了，但是还可以用脚本把txt文件给弄乱。
• 数据增强，就是旋转，光线。
• 调节学习率。
• 迁移学习，网上找一个类似的网络进行学习。
• 修改预选框的大小，使他更接近实际的物体的大小，
• 修改网络，这个要多看论文，看多了慢慢的就有感觉了。