前言 误检是实例分割任务当中比较严重的问题,那么,如何消除误检呢? 寻找最佳阈值 我们可以在后处理的过程中,以一定间隔去遍历所有阈值,获得检出率较高而误检率较低的那个符合预期的阈值; 加入负样本 如果误检的实例阈值很高,无法通过阈值筛选的方式去除,可以将误检的样本增强后加入到训练集当中 训练图片分类网络 这是一种非常简单高效的方法; 我们训练一个基于resnet的图片分类小网络,放在后处理中,用于判断实例网络输出的实例的图片分类;