Блог

В настоящее время я использую пользовательскую версию YOLO v2 от pjreddie.com написано с помощью Tensorflow и Keras. Я успешно заставил модель начинать и заканчивать обучение в течение 100 эпох с 10000 обучающими изображениями и 2400 тестовыми изображениями, которые я случайным образом сгенерировал вместе с соответствующими файлами JSON, все на некоторых графических процессорах Titan X с CUDA. Я хочу обнаружить только два класса. Однако после завершения обучения функция потерь уменьшается, но точность теста колеблется на уровне ниже 3%. Похоже, что все изображения преобразуются в черно-белые. Модель, похоже, работает разумно в одном из классов при использовании обучающих данных, поэтому модель кажется перегруженной. Что я могу сделать с моим кодом, чтобы модель стала точной?

Итак, оказалось, что YOLOv2 очень хорошо работает с невидимыми данными, за исключением того, что невидимые данные должны иметь тот же размер изображений, что и те, на которых он обучен. Не загружайте в Yolo изображения размером 800×800, если он был обучен на изображениях размером 400×400 и 300×400. Также мера точности Keras не имеет смысла для обнаружения. Он может указывать точность 2% и фактически обнаруживать все объекты. Передача невидимых данных того же размера решила проблему.