keras-yolo3-master训练自己的数据集,训练出的权重trained_weights.h5在目标检测时无法框出有效目标

算法小白,尝试使用yolov3算法检测自己的数据集,最开始自己制作了数据集(167张图像)用于训练,训练后进行检测时发现,无法有效框出目标物体,输出如下:

自认为可能是我自己的数据集图片数量过少,所以截取了VOC数据集中的近1000张图像进行重新训练,依旧如此。随后搜索发现这篇文章也有提到相关问题:https://blog.csdn.net/Asunany/article/details/80376185

看他的评论里有提到两种解决思路:(1)在cfg/yolov3_voc.cfg里把训练模式切换成检测模式 # Testing batch=1 subdivisions=1 # Training #batch=64 #subdivisions=16

(2)调小(小于0.25)thresh

重新训练看下检测效果

以上均无效,训练出来的权重依旧无法有效检测物体

修改数据集,将voc2007中的鸟类图像及标注单独组成数据集(共计288张图像)重新训练,依旧无法检测。

记录并求助各路大神,感激不尽!!!

版权声明:本文为CSDN博主「Hui_Wang5806」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/Hui_Wang5806/article/details/122229892

Hui_Wang5806

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

分享 | 物体检测和数据集

因为最近学习任务比较紧(但也不妨碍元旦摆烂三天),所以中间有几个实战Kaggle比赛就跳过了,等以后有时间再回头来看看。物体检测和数据集这一节花了有一天的时间,一直有一个bug困扰,后来改了代码把box

目标检测——yolov3论文精读

📝论文下载 Abstract(摘要) YOLOv3在YOLO的基础上做了一些更新,重点在于提升检测的精度。当图片的分辨率为320 × 320,YOLOv3只使用了22 ms进行检测, m