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：

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。。