Tensorflow 中的 YOLO v2 精度差

Question

我目前正在使用来自 pjreddie.com 的自定义版本的 YOLO v2，它使用 Tensorflow 和 Keras 编写。我已经成功地让模型开始和完成了 100 多个时期的训练，其中包含 10000 个训练图像和 2400 个测试图像，这些图像是我随机生成的，以及所有使用 CUDA 的 Titan X gpus 上的相关 JSON 文件。我只想检测两个类。然而，在离开训练后，损失函数减少，但测试准确率徘徊在 3% 以下。所有图像似乎都被转换为黑白。在使用训练数据时，该模型似乎在其中一个类上表现合理，因此该模型显得过拟合。我可以对我的代码做些什么来使模型变得准确？

Answer 1

好的，事实证明 YOLOv2 在看不见的数据上表现得非常好，只是看不见的数据必须与训练的图像大小相同。如果 Yolo 接受过 400x400 和 300x400 图像的训练，则不要给 Yolo 喂食 800x800 图像。此外，Keras 准确度度量对检测毫无意义。它可能会说 2% 的准确度，实际上是在检测所有对象。传递相同大小的看不见的数据解决了这个问题。