tensorflow红绿灯检测训练完模型无法识别
问题遇到的现象和发生背景
训练完模型无法正常识别
pre-trained model用的这个
问题相关代码，请勿粘贴截图
代码运行都没有问题
运行结果及报错内容
测试结果
训练损失
测试准确率。。
我的解答思路和尝试过的方法
额，尝试增加了训练次数好像不太行
是不是我选的训练好的模型不适合训练我这个
我想要达到的结果
能识别红绿灯
上面那个是禁止通行指示牌识别不出来，这个是红灯的也识别不出。
你可以用YOLO模型试试
朋友，你这个感觉很像我们当初电赛那个数字识别中途遇到的情况，你试着将检查点模型(.ckpt)保存为.pb文件，再回到TensorFlow目标检测文件夹，并将export_inference_graph.py文件复制到包含模型配置文件的文件夹中。
如果你的操作也有类似的，那估计是其他问题，你这个其实基本实现红绿灯分类的功能，但是模型数据不够，那就跟我们去年一样，得自己去创建一个自己的数据集并将其转换为TFRecord文件，修改模型配置文件，并开始训练模型。接下来，您需要保存模型并将其部署到项目中。
你这loss问题很大，虽然整体有在下降，但是震荡的厉害，问题可能出在数据集，不知道你的数据集是否足够大，标签是否正确，从map和iou来看，你的网络的大输出口的pr不错，但是中小输出就不行了，你的数据集里面的交通标志占据整张图片百分比比较大的多，大图里面小目标少是吗，不然不会出现这么悬殊的差距的。如果数据集没有问题的话，尝试下增大下batch size，这个太小也会这样。
另外你需要检查一下是有检测到结果，没有绘制，还是网络检测不到，尝试下将你的得分阈值降低看看，0.8在目标检测里面算是一个很高的阈值了，除非你的数据分布较为统一，检测到训练集的图片，不然这个阈值真的很大了。
最后就是你的网络选择的问题，如果是开源网络，作者应该有和其他网络的对比，你看下作者的对比是否有足够高的map。如果你确认目前的网络不适合你的话，目前来说，目标检测效果比较好的就是yolo系列了，如果你代码功底好，darknet熟悉推荐yolov4,如果你像偷懒，马上能上手的话推荐yolov5
原因
可能是数据集太少和数据预处理的问题
解决方法
1、建议增大数据集
2、对数据进行预处理下。
建议使用pytorch yolov5
利用CNN进行红绿灯识别
用开源数据集训练
https://blog.csdn.net/qibin0506/article/details/87818281