[請益] 關於Yolo v2

[fsvy (...無言...)]

我弄了一個星期的yolov2，試著教導machine學會「辨識車牌」。
然而，得到的weights檔，跑出的結果，框了整個銀幕(即：亂框)。

我遇到的問題，和這個描述非常相近：
http://keep.01ue.com/?pi=960547&_a=crawl&_c=index&_m=p

想請問懂這部份的版友們，是否能提供意見呢？


另外，是否有已經養好的辨識車牌的weights檔、cfg檔能提供？(不妥會自刪)


若是有不方便在版上提的事宜，歡迎站內信給我。
謝謝各位熱心的版友。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.160.211.181 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1562251451.A.290.html
→ johnpisces2: 有DataScience版
→ royformac: 大概是寬跟高在轉換的時候比例搞錯了，仔細看程式碼檢
→ royformac: 查吧
推 ckp4131025: 調整iou和confidence的值
→ fsvy: 但是寬、高在框的時候，cfg檔裡的值是設一樣的：416
→ fsvy: 應該沒有這個問題吧？
→ fsvy: 請教樓上ck大：iou怎麼調？  能否向您請教？
→ fsvy: confidence值，是不是下指令時，多下-threshold [value] ?
→ fsvy: 如果是的話，我有試過，對於現象的解除或減緩，沒有幫助到。
→ doomdied: yolo輸出有confidence跟probability,你應該少判斷了
推 ilove0618: Iou是重疊率cfg檔裡面有吧
推 bab7171: 改用yolov3. 精準度會好很多
推 jackwang01: 是說有v3為何要用v2
推 fakeAccount: Test
推 fakeAccount: 1.Batch size 1的抗噪差如果顯卡夠，建議提高到16 2.
→ fakeAccount: 寬高請照你的輸入影像大小設定，但要32的倍數 3. Lea
→ fakeAccount: rning rate設0.00001看看 4. Epoch設20看看
推 fakeAccount: 5.如果車牌大小太小（約50*50以下）建議把寬高再往上
→ fakeAccount: 調(darkflow會幫你resize）
推 you878787: 怎麼不用v3, v3有針對小物件辨識進行優化
→ fsvy: 因為被分配的硬體資源不夠。 只能先用v2 tiny的來跑
推 vincentman: 你用darknet的code做訓練?cfg,weight用darknet預設的?
→ vincentman: 訓練又是用哪個dataset?(VOC還COCO?)
→ johnpisces2: 訓練的時候，樣本不能是整張都是樣本(即框幾乎是全
→ johnpisces2: 部範圍)，這樣他只會學到以後就框全部就好啦，我之
→ johnpisces2: 前犯的錯@@
→ AudiA4Avant: V3 我之前用colab訓練,pre-trained用darknet都有一定
→ AudiA4Avant: 效果,雖然收斂要很久
→ you878787: 硬體資源不夠是哪部分？ 調一下batch_size跟subdivisio
→ you878787: n看看
推 jackwang01: V3也有tiny啊～
→ fsvy: 樓上vi大，我的cfg有調過,weight檔是餵我自己的圖檔養出來的
→ fsvy: 用VOC來訓練
→ fsvy: 樓上johnp大，明白，不會框整張圖。感謝您的提醒！
→ fsvy: 樓上you8大，硬體資源不夠是指沒有GPU，有調batcj和subdiv了
→ fsvy: 調成batch=16、subdivisions=16
推 aa155495: 為什麼不用些比較好deploy的框架呢 例如tensorflow
→ aa155495: https://github.com/stevefielding/tensorflow-anpr
推 ckp4131025: 沒有GPU還 Train 深度學習.....
→ ckp4131025: 建議你用colab有免費的GPU
推 s755369: confidence threshold 跟NMS有做?
→ mj0210028: 可以檢查一下原本的weighting對應的input images有沒有
→ mj0210028: 做normalisation (0~1或-1~1) 跟你的data normalizatio
→ mj0210028: n有沒有相同