如何深度学习CNN在实例分割任务上的误检率

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；