我目前正在使用來自 pjreddie.com 的 YOLO v2 的自定義版本，該版本是用 Tensorflow 和 Keras 編寫的。我已經成功地讓模型開始和完成超過 100 個時期的訓練，其中包含 10000 張訓練圖像和 2400 張測試圖像，這些圖像是我在一些帶有 CUDA 的 Titan X gpu 上隨機生成的以及相關的 JSON 文件。我只想檢測兩個類。然而，在停止訓練后，損失函數下降，但測試準確率徘徊在 3% 以下。所有圖像似乎都被轉換為黑白。當使用訓練數據時，該模型似乎在其中一個類別上表現合理，因此該模型顯得過擬合。我可以對我的代碼做些什么來使模型變得準確？
1 回答
一只斗牛犬
TA貢獻1784條經驗 獲得超2個贊
好的，結果證明 YOLOv2 在看不見的數據上表現非常好，只是看不見的數據必須與它訓練的圖像大小相同。如果 Yolo 已在 400x400 和 300x400 圖像上進行過訓練，則不要向它提供 800x800 圖像。此外，Keras 準確度測量對于檢測毫無意義。它可能會說 2% 的準確度并且實際上是在檢測所有對象。傳遞相同大小的看不見的數據解決了這個問題。
添加回答
舉報
0/150
提交
取消