Tensorflow 中的 YOLO v2 准确性不佳

Question

我目前正在使用来自 pjreddie.com 的 YOLO v2 的自定义版本，该版本是用 Tensorflow 和 Keras 编写的。我已经成功地让模型开始和完成超过 100 个时期的训练，其中包含 10000 张训练图像和 2400 张测试图像，这些图像是我在一些带有 CUDA 的 Titan X gpu 上随机生成的以及相关的 JSON 文件。我只想检测两个类。然而，在停止训练后，损失函数下降，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。当使用训练数据时，该模型似乎在其中一个类别上表现合理，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，结果证明 YOLOv2 在看不见的数据上表现非常好，只是看不见的数据必须与它训练的图像大小相同。如果 Yolo 已在 400x400 和 300x400 图像上进行过训练，则不要向它提供 800x800 图像。此外，Keras 准确度测量对于检测毫无意义。它可能会说 2% 的准确度并且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。