Python YOLO V3从数据中学习不好
我尝试在特征数据集上训练YoloV3,但经过2000次迭代后训练的模型无法产生任何检测 该数据集由大约5000张带有签名的图像组成。文档页面是黑白的。我通过在页面上放置签名生成页面时,图像被准确标记 我使用了YOLOv3默认体系结构,但从零开始训练。我尝试使用darknet53.conv.74并对其进行微调,但没有成功,我认为这是因为网络是基于照片数据进行训练的,而我拥有的数据是文档。从零开始训练,我在GPU AWS机器上训练了2000次迭代。在培训期间,输出如下: 它来自:Python YOLO V3从数据中学习不好,python,machine-learning,object-detection,yolo,Python,Machine Learning,Object Detection,Yolo,我尝试在特征数据集上训练YoloV3,但经过2000次迭代后训练的模型无法产生任何检测 该数据集由大约5000张带有签名的图像组成。文档页面是黑白的。我通过在页面上放置签名生成页面时,图像被准确标记 我使用了YOLOv3默认体系结构,但从零开始训练。我尝试使用darknet53.conv.74并对其进行微调,但没有成功,我认为这是因为网络是基于照片数据进行训练的,而我拥有的数据是文档。从零开始训练,我在GPU AWS机器上训练了2000次迭代。在培训期间,输出如下: 它来自: 2:3249.26
2:3249.2690433238.557373平均值,0.000000速率,10.226817秒,加载128幅图像:0.000073秒
致:
2032:0.667013,0.644689平均值,0.001000速率,22.906654秒,130048加载图像:0.000103秒
因此,训练损失已经显著减少,并且至少在几百次迭代中一直徘徊在0.6左右
我唯一不能百分之百确定的部分是如何开始培训过程,我使用下面的代码进行培训
./darknet detector train params/darknet.data params/darknet-yolov3.cfg
darknet.数据如下所示:
classes = 1
train = ./params/data_train.txt
valid = ./params/data_test.txt
names = ./params/classes.names
backup = ./params/weights/
而darknet-yolov3.cfg
与yolov3.cfg
完全相同
我试着使用两个不同的图像测试模型,这些图像上有签名,它们都是非常简单的例子。但是,经过训练的模型未能在所有这些测试图像中检测到任何特征
如果有人对我应该做什么/测试有任何建议,我们将不胜感激!谢谢 yolov3.cfg是为COCO数据集构建的。有80个班。您需要创建自己的.cfg文件。特别是,您需要为过滤器
,类
等指定正确的值,您可以在这里找到更多信息,例如,你好,尼克,我已经设置了配置文件,只是碰巧它没有学习。我的意思是我将网络结构设置为与darknet相同,除了过滤器等。在更改cfg文件中的类和过滤器后,请确保重新计算锚定框并更改cfg文件中的值。每个数据集都有不同的最佳锚定框值我尝试过从头开始训练yoloc3,但没有使用darknet53.conv.74
,结果是非常糟糕如何计算锚定框?我还尝试了更多的迭代(在tiny yolos上超过600k),而且效果更好。模型可以检测大多数对象,但边界框的绘制都非常糟糕。由于某种原因,它们都与页面左侧对齐。。