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

YOLOV1论文详解

YOLOV1 1. Introduction YOLO非常简单:对于一张完整的图像,通过一个单一的卷积网络可以同时预测多个bounding boxes的回归参数和这些boxes的类别概率,并直接优化检

【darknet】1、yolov4模型训练之数据处理

本文主要写了使用yolov4进行模型训练前的数据准备。darknet框架使用的数据格式是yolo格式,但我们常见的目标检测数据格式是COCO和VOC.所以本文将以车辆检测为例,将coco2017和voc2007及vo