→ jackwang01: 可能overfit 有點嚴重,多一些訓練資料比較好,再來這 01/10 23:49
→ jackwang01: 種問題我是沒看過有人放負面資料的?畢竟這是object d 01/10 23:49
→ jackwang01: etection不是classification 01/10 23:49
→ jackwang01: 比較建議一張照片裡面能標的盡量標,然後張數越多越好 01/10 23:51
→ jackwang01: ,再來就是測試的時候用測試資料來看而不是用訓練資 01/10 23:51
→ jackwang01: 料 01/10 23:51
→ oe725: 想說先用training data確認一下有無underfiting 01/11 00:51
推 kokolotl: 請問這種狀況適合把大張圖切成小張圖來做嗎 01/11 07:49
推 kyushu: 以yolo來說,non-object 就是negative了 01/11 19:25
推 kyushu: 你用yolo3,基本上小物件的準確率會比較好,trainging跟in 01/11 19:29
→ kyushu: ference用608或544的size對小物件也會有所提升 01/11 19:29
→ truehero: 全標, random crop ,總數千隻蜜蜂辨識率應該不會太低 01/12 20:40
推 lunashining: 借問是不是只有mask_rcnn 不適合切小張圖,其他的OD 01/14 09:33
→ lunashining: 都比較適合切小張 好比人臉只切臉之類的 01/14 09:33
→ oe725: 針對問題1有大能有建議嗎?謝謝 01/14 22:19
→ followwar: 上面有人說阿 全標+random crop 01/15 01:03
→ oe725: 我是比較想了解training時,一張大圖跟切成數張小圖有無差異 01/15 21:15
推 lunashining: 如果物體很小 random crop剛好只切到一小部分去train 01/16 09:56
→ lunashining: 不會有問題嗎? 01/16 09:57
→ truehero: 半隻蜜蜂還是蜜蜂阿 01/18 23:45
→ Mchord: 根據ssd的random crop規則,每個被切到的東西都不能被切 01/24 07:36
→ Mchord: 掉太多,否則不採用,再重新切過。 01/24 07:36