在训练 Mask R-CNN 模型时,如果 loss 在升高,可能是由以下原因导致的:
数据集不平衡:如果训练集中有大量背景图像,而少量有目标物体的图像,则模型可能会学习到在背景图像中误分类目标物体。
过度拟合:如果模型的参数过大,或者训练数据集过小,则模型可能会过度拟合训练集,而在测试集上表现不佳。
数据增强不够:如果训练数据集小,而数据增强不足,也会导致模型过度拟合
梯度爆炸: 如果模型的参数初始化过大,可能会导致梯度爆炸,使得模型无法训练。
5.学习率过大,导致模型参数跳动过大,loss也会上升。
这些都是loss上升的可能原因,你可以尝试调整模型参数,增加数据增强和数据集,降低学习率来解决这个问题。