pvanet训练自己的数据集生成压缩版(comp)的model的方法

本人想用pvanet训练自己的数据集(标注格式与voc完全一致),最终想要生成压缩版(comp)的model,求大神阐述具体实现方法细节!感激不尽!
PS:本人尝试用命令:./tools/train_net.py --gpu 0 --solver models/pvanet/example_finetune/solver.prototxt --weights models/pvanet/comp/test.model –iters 100000 --cfg models/pvanet/cfgs/train.yml –imdb voc_2007_trainval进行微调训练,生成的Model识别效果非常差!即使用models/pvanet/full/test.model微调的model识别的效果也是同样的差!后来我用    ./tools/train_net.py  --gpu 0 --solver models/pvanet/example_train_384/solver.prototxt --weights models/pvanet/imagenet/original.model --iters 100000  --cfg models/pvanet/cfgs/train.yml  --imdb voc_2007_trainval相当于在作者给的imagenet的model上进行微调的Model识别效果还可以,对于小目标的识别没有作者给的Model效果好,而且应该属于full版本的实时性一般,

所以本人想请教到底应该如何训练comp版的model进而提高实时性,同时想请教对于小目标的识别没有作者给的model好的原因以及改进办法!
已邀请:

要回复问题请先登录注册