Понижение точности при обнаружении объекта Tensorflow после квантования

Question

Я выполняю точную настройку SSD Mobilenet v2 для настраиваемого набора данных. Я тонко настраиваю модель для шагов 50k, и тренировка, учитывающая квантование, запускается при числе шагов 48k.

graph_rewriter {
  quantization {
    delay: 48000
    weight_bits: 8
    activation_bits: 8
  }
}

Я наблюдаю 95%+ обучение, проверка и тестирование MAP после обучения.

После квантования с помощью команд

python object_detection/export_tflite_ssd_graph.py 
--pipeline_config_path=${CONFIG_FILE} 
--trained_checkpoint_prefix=${CHECKPOINT_PATH} 
--output_directory=${OUTPUT_DIR} --add_postprocessing_op=true

./bazel-bin/tensorflow/contrib/lite/toco/toco 
 --input_file=${OUTPUT_DIR}/tflite_graph.pb \
 --output_file=${OUTPUT_DIR}/detect.tflite \
 --input_format=TENSORFLOW_GRAPHDEF \
 --output_format=TFLITE \
 --inference_type=QUANTIZED_UINT8 \
 --input_shapes="1,300,300,3" \
 --input_arrays=normalized_input_image_tensor \
 --output_arrays="TFLite_Detection_PostProcess","TFLite_Detection_PostProcess:1","TFLite_Detection_PostProcess:2","TFLite_Detection_PostProcess:3" \
 --std_values=128.0 --mean_values=128.0 --allow_custom_ops --default_ranges_min=0 --default_ranges_max=6

Я протестировал сгенерированную модель dete.tflite, используя тот же набор тестов. Я вижу падение MAP примерно до 85%.

Ожидается ли падение числа карт? Как я могу улучшить MAP после квантования?