优化你的模型
你可能会发现Frigate+模型最初会产生更多误报,但通过提交正确检测样本和误报样本,模型会不断改进。随着订阅用户提交的新图像越来越多,未来的基础模型也会随之改进。请注意,只有包含至少一个已验证标签的图像才会用于训练你的模型。从Frigate提交图像作为正确检测或误报样本不会自动验证该图像,你仍需在Frigate+中验证图像才能用于训练。
-
同时提交正确检测样本和误报样本:这有助于模型区分正确和错误的检测。建议保持80%的正确检测样本和20%的误报样本的比例。如果在特定区域出现误报,在相似光照条件下提交该区域附近任何对象类型的正确检测样本,将帮助模型学习无对象时该区域的特征。
-
适当降低阈值以获取阈值附近更多样本:例如,如果有68%分数的误报和72%分数的正确检测,可以尝试将阈值降至65%并提交该范围内的样本。这有助于模型学习并扩大正确检测与误报之间的分数差距。
-
提交多样化的图像:最佳效果需要每个摄像头至少100张已验证图像。需包含不同条件下的样本:阴天、晴天、黎明、黄昏和夜间。当环境变化时(如夏季转冬季或有新家具时),可能需要提交新样本来应对新型误报。