API обнаружения объектов Tensorflow не обнаруживает ограничивающие рамки

Мой вопрос похож на Tensorflow Object Detection API неправильно определяет объекты/вообще не определяет объекты, но это другой вариант использования и этот вопрос не решен.

Я использую API обнаружения объектов для передачи обучения, чтобы идентифицировать лица (1 класс). Используемая предварительно обученная модель — ssd_mobilenet_v1_coco_11_06_2017. Это выполнялось в течение 1,5 часов и 3500 итераций, и потери составили около 4,5 (как и ожидалось, на первых нескольких итерациях произошло резкое падение, поэтому я предполагаю, что это еще не лучшая модель, но я должен получить заметные результаты)

Затем я использовал последнюю контрольную точку, экспортировал граф вывода, внес изменения в блокнот object_detection_tutorial. Однако это просто выводит мои тестовые изображения без каких-либо ограничивающих рамок (ПРИМЕЧАНИЕ: исходный блокнот работает нормально, и я могу видеть рамки, поэтому я предполагаю, что с моей моделью есть какая-то проблема, которую я не могу понять)

Я вставляю результаты, которые я использовал для отладки. Похоже, что координаты ограничивающей рамки имеют 1 и 0. Я также поэкспериментировал, изменив min_score_thresh в visualization_utils.py, но это тоже не помогает.

Выдержки из файла конфигурации (внесены изменения в образец. Изменено-num_classes на 1 и пути к моим соответствующим файлам)

model {
  ssd {
    num_classes: 1
    box_coder {
      faster_rcnn_box_coder {
        y_scale: 10.0
        x_scale: 10.0
        height_scale: 5.0
        width_scale: 5.0
      }

fine_tune_checkpoint: "ssd_mobilenet_v1_coco_11_06_2017/model.ckpt"

train_input_reader: {
  tf_record_input_reader {
    input_path: "training/train.record"
  }
  label_map_path: "training/face-detection.pbtxt"
}

Пример вывода для полей обнаружения

array([[0.        , 0.2554323 , 1.        , 0.7534608 ],
       [0.3012189 , 0.        , 0.70924723, 1.        ],
       [0.18439636, 0.        , 0.817055  , 1.        ],
       [0.05466348, 0.06271043, 0.95918256, 0.94578576],
       [0.5260097 , 0.07892245, 0.97103214, 1.        ],
       [0.27985883, 0.5130247 , 1.        , 1.        ],
       [0.        , 0.41663095, 0.5991725 , 1.        ],
       [0.03816789, 0.        , 0.4441032 , 1.        ],
       [0.        , 0.5875985 , 1.        , 0.9825353 ],
       [0.5518031 , 0.        , 0.9699122 , 0.9448744 ],
       [0.        , 0.        , 0.6656574 , 0.7552371 ],
       [0.        , 0.07883103, 1.        , 0.49962282],
       [0.04292154, 0.57037276, 1.        , 0.9573701 ],
       [0.05089287, 0.00120801, 0.46899152, 1.        ],
       [0.43095234, 0.31733978, 1.        , 1.        ],

Выходные данные discovery_classess

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
   1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
   1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
   1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
   1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]

пример вывода результатов обнаружения с низкими оценками, но изменение порога не помогает

   3.20677400e-01, 3.19893241e-01, 3.14980447e-01, 3.09631795e-01,
   2.53045678e-01, 2.52637416e-01, 2.52323598e-01, 2.41894022e-01,
   2.40268022e-01, 2.40083978e-01, 2.36307651e-01, 2.15435311e-01,
   2.14362189e-01, 2.13490084e-01, 2.12984398e-01, 2.10590839e-01,
   2.03191489e-01, 1.66917413e-01, 1.64012805e-01, 1.60537049e-01,
   6.71069846e-02, 6.55404702e-02, 3.69835161e-02, 3.63573395e-02,
   3.15450728e-02, 2.46258732e-02, 2.34935526e-02, 2.04152763e-02,
   1.82382613e-02, 1.56786684e-02, 1.50712561e-02, 1.47904372e-02,
   1.45556601e-02, 1.41305756e-02, 1.14051756e-02, 1.02278581e-02,
   9.46425926e-03, 8.77886359e-03, 8.67216382e-03, 7.98975583e-03