在 COCO 上训练 YOLOv3 给了我不好的平均精度答案

【问题标题】：Training YOLOv3 on COCO gives me bad mean average precision在 COCO 上训练 YOLOv3 给了我不好的平均精度
【发布时间】：2019-10-01 08:53:52
【问题描述】：

我想训练 YOLO 只检测类人。因此，我下载了 COCO 数据集，将标签调整为仅此类，并相应地更改了配置文件，然后按照本网站 https://pjreddie.com/darknet/yolo/ 上“在 COCO 上训练 YOLO”一节中描述的步骤训练了 YOLO。但是，当我在标题“COCO 数据集上的性能”下使用同一页面的训练权重时，我对班级人员的训练权重的平均平均精度（地图）比同一班级的地图差得多。我想知道这可能是什么原因，以及哪些数据用于训练主页上可用的权重。

【问题讨论】：

标签： yolo

【解决方案1】：

当您修改 cfg 文件（类、过滤器等）时，可能有问题。无论如何，你的任务的目的是什么？你真的需要重新训练模型，还是只需要过滤1个类并进行检测？

如果您只想从 80 个类中筛选出 Person 标签，您可以简单地执行此解决方法。不需要重新训练模型，只需要使用作者在 yolo 网站上提供的权重即可。

对于使用 COCO 数据集的简单方法，请按照以下步骤操作：

修改（或复制备份）darknet\data\coco.names 中的coco.names 文件
删除除person之外的所有其他类
修改你的cfg文件（例如yolov3.cfg），将第610、696、783行的3个classes从80改为1
将 cfg 文件中第 603、689、776 行的 3 个 filter从 255 更改为 18（源自 (classes+5)x3）
运行检测器./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/your_image.jpg

如需更多使用 COCO 数据集的高级方法，您可以使用此 repo 创建基于 voc、coco 或 open 图像的 yolo 数据集。 https://github.com/holger-prause/yolo_utils .
另请参阅：How can I download a specific part of Coco Dataset?

【讨论】：

我尝试了您描述的仅检测班级人员的步骤，但这不起作用。如果我按照这些步骤进行操作，则不会检测到任何内容，并且我会得到班级人员的 0% 地图。
@Bixilein 你在用什么仓库？如果我没记错的话，原来的 repo 在预测过程中没有显示任何 mAP。
我正在使用来自 AlexeyAB 的 repo，并且正在使用 ./darknet 检测器映射来计算 mAP。

【解决方案2】：

IMMO，将预训练的权重与预先提供的 *.names、*.data 和 *.cfg 一起使用会简单得多。然后在 YOLO 以类名、置信度和 bbox 的形式输出检测列表的模式（我不记得细节）中对单个图像或图像文件名列表运行检测器。然后，您只需忽略“人”类以外的任何内容。

【讨论】：