Вышла статья на эту тему от команды Сбера:

https://habr.com/ru/companies/oleg-bunin/articles/833994/

Поделюсь мыслями.

Размер имеет значение. Игрался с синтетическими данными - маленькие объекты с великим трудом детектируются при прочих равных.

И ещё беда, если обучение было на объектах расположенных на значительных расстояниях друг от друга, а "в жизни" они очень близко друг к дружке, практически упираются по периметру. И как-то надо с этим бороться, но IoU нужен = 0.5 (что запрещает вариант быть объектам одному внутри другого). И все смягчения и параметры разрешения пересечений не помогают.

Немного помогает включение аугментации и параметра mixup, но тогда падает точность, ибо размер картинки сразу увеличивается в 4 раза по площади и включается ресемплинг. Замена модели с v8 на v10 мало помогает.

А самое печальное, что без аугментации где-то на 300+ эпохе всё может свалиться в переобучение.

Удивляет отсутствие утилит для создания синтетических данных. Нигде нельзя найти. И это при том, что ничего сложного в этом нет, ибо почти у всех есть под рукой чат гпт 4о...

Сам такую сделал. Пришлось.

Надо на гит хаб выложить...