Image processing 使用YOLO v2检测多个类时出现的问题和失败,而单类检测几乎是准确的
对于一个课程项目,我正在训练一个单通道网络来检测图像中的多个仪器符号。下面显示了这些类的一小部分 我使用YOLO v2来训练和检测图像中的多个类。 由于这类符号的数据集不存在,我用以下两种方法对上面显示的四个符号执行了数据扩充Image processing 使用YOLO v2检测多个类时出现的问题和失败,而单类检测几乎是准确的,image-processing,machine-learning,conv-neural-network,object-detection,yolo,Image Processing,Machine Learning,Conv Neural Network,Object Detection,Yolo,对于一个课程项目,我正在训练一个单通道网络来检测图像中的多个仪器符号。下面显示了这些类的一小部分 我使用YOLO v2来训练和检测图像中的多个类。 由于这类符号的数据集不存在,我用以下两种方法对上面显示的四个符号执行了数据扩充 以0.5度的步长旋转每种符号类型,从而提供 每节课720张图片 此外,获得的720幅图像经过高斯模糊处理 (5x5过滤器)。 这将数据集增加到每个类1440个图像 YOLO v2的配置文件仅在以下行上更改: 第3行:批处理=64 第4行:细分=64(细分大小为8会
- 以0.5度的步长旋转每种符号类型,从而提供 每节课720张图片
- 此外,获得的720幅图像经过高斯模糊处理
(5x5过滤器)。
这将数据集增加到每个类1440个图像
- 第3行:批处理=64
- 第4行:细分=64(细分大小为8会导致CUDA内存不足)
- 第244行:类=4
- 第237行:过滤器=(类+5)*5=45
但是,当我尝试对测试图像执行多类检测时,检测和分类完全失败,如下面的结果图像所示:
如果我改变测试图像中符号之间的空间距离,那么边界框和类预测将变得更加随机。 因此,关于这个问题,我有几个问题:
选择两种方式进行数据扩充(DA)有什么具体原因吗?查看此链接,了解专门针对YOLO的完整DA。使用YOLO训练您自己的数据可能会很有趣。还有另一个SO帖子可能会把你带到某个地方。