Python 凯拉斯视网膜网的结果真的很糟糕
因此,我尝试建立基于Keras视网膜网和ResNet-152主干网的目标检测模型。我遵循了每一个教程,解释如何做到这一点。到现在为止,我已经训练了我的模型,我得到的损失是0.81,我认为这是一个很好的结果 下面是我在label img中执行的流程示例 但不知怎的,当我试图预测新图像(4张图像)的结果时,结果真的很奇怪,下面是每个图像的结果 我在创建数据集时是否做错了什么?因为我只修改了一些代码,比如Python 凯拉斯视网膜网的结果真的很糟糕,python,tensorflow,keras,object-detection,retinanet,Python,Tensorflow,Keras,Object Detection,Retinanet,因此,我尝试建立基于Keras视网膜网和ResNet-152主干网的目标检测模型。我遵循了每一个教程,解释如何做到这一点。到现在为止,我已经训练了我的模型,我得到的损失是0.81,我认为这是一个很好的结果 下面是我在label img中执行的流程示例 但不知怎的,当我试图预测新图像(4张图像)的结果时,结果真的很奇怪,下面是每个图像的结果 我在创建数据集时是否做错了什么?因为我只修改了一些代码,比如 我对“设置gpu(gpu)”命令进行注释 我将train.py参数部分中的默认主干从“
- 我对“设置gpu(gpu)”命令进行注释
- 我将train.py参数部分中的默认主干从“resnet50”更改为“resnet152”
我认为这样看原始预测没有任何意义,你应该用一些代码来可视化边界框(在阈值预测和应用NMS之后)。嗨,史努比博士,谢谢你的回答,我已经编辑了我的问题和附加的预测图像实例,你知道为什么它不起作用吗?提前谢谢。你为什么认为预测不符合预期?您的预测文件表明某些边界框已识别。如果您可以在原始图像上绘制这些预测框,以获得更好的可视化效果,那就更好了。