我可以在已经分割的小图像上训练 YOLO 并在大图像上测试它以进行检测吗？

【问题标题】：Can I train YOLO on small already segmented out images and test it on a large image for detection?我可以在已经分割的小图像上训练 YOLO 并在大图像上测试它以进行检测吗？
【发布时间】：2019-10-12 03:30:03
【问题描述】：

我一直在考虑构建一个用于检测停车场占用率的 YOLO 模型，我为每个停车位提供了所有小的分割图像。我可以在这些已经划分为单独的空类和占用类的小图像上训练 YOLO，并在测试图像上进行测试，比如有 28 个停车位的停车场的 ariel 视图，模型应该检测占用和空的空间。如果是，那么有人可以指导我如何解决这个问题吗？我将使用在 Keras 上实现的 YOLO。

【问题讨论】：

可以添加示例图片吗？

标签： keras computer-vision object-detection yolo

【解决方案1】：

YOLO 是一个 n 对象检测模型。在训练期间，它将图像中边界框的坐标作为输入，并学习识别这些边界框内的图像。根据您的问题陈述，如果您有停车场的鸟瞰图，则绘制边界框，生成 xml 文件（根据您的培训要求）并开始培训。理想情况下，这应该为您提供所需的预测模型。

标记图像的免费工具 - https://github.com/tzutalin/labelImg

Github 项目了解如何在自定义数据集上在 Keras 中训练 Yolo -https://github.com/experiencor/keras-yolo2

无论如何，鉴于您没有提供任何代码或图像，这不是为您的问题量身定制的完美解决方案。但这是一个很好的起点。

【讨论】：