DARKFLOW - Обученная модель Yolov2 выводит только json как [] - PullRequest
Новая
       84

DARKFLOW - Обученная модель Yolov2 выводит только json как []

0 голосов
/ 04 ноября 2019

Я использую Yolov2 DarkFlow. Я загрузил cfg и гири из даркнета.

Я обучил 2 отдельные модели. 

flow --model cfg/yolov2.cfg --load bin/yolov2.weights --train --annotation train/Annotations --dataset train/Images --lr 0.01 --gpu 1.0

Средняя потеря упала примерно с 256 до 6-7 за 500 шагов. 

flow --model cfg/yolov2.cfg --trainer adam --train --annotation train/Annotations --dataset train/Images --lr 0.00146 --gpu 1.0

Средняя потеря упала с 256 до 5-6 за 250 шагов.

Набор данных изображений состоит из 300 изображений, разделенных на 3 группы по 100 в каждой. изображения называются «Нет (число) .jpg», «SafetyVest (число) .jpg» и «Шлем (число) .jpg». Ни один из них не имеет 3 разных аннотированных меток на изображение, SafetyVest имеет 1 аннотированную метку на изображение, а шлем имеет 2 разных аннотированных метки на изображение. Всего имеется 6 ярлыков, каждый из которых имеет от 99 до 100, чтобы предотвратить дисбаланс классов.

В настоящее время я не могу проверить изображения, даже используя тренировочные изображения. Я попробовал эти методы. 

flow --pbLoad built_graph/yolo.pb --metaLoad built_graph/yolo.meta --imgdir sample_img/

То, что это сделало, было просто дублировать и вставить те же изображения в папку out, без ограничивающих рамок. 

flow --pbLoad built_graph/yolo.pb --metaLoad built_graph/yolo.meta --imgdir sample_img/ --json

То, что это сделало, было выведеномне много json-файлов, которые являются «[]». 

from darkflow.net.build import TFNet
import cv2

options = {
    'model': 'cfg/yolov2.cfg',
    'load': 250,                             # 750 is the step number. Can be found in the ckpt folder
    'threshold': 0.05,                       # this number can be higher if the performance is better
    'gpu': 1.0                               # Dont use this if you have no gpu
}

tfnet = TFNet(options)

imgcv = cv2.imread("./sample_img/Helmet (2).jpg")
result = tfnet.return_predict(imgcv)
print(result)

Это также выводит []. Я что-то не так делаю? Может быть, я недостаточно тренировал шаги? Есть ли проблема с моими именами изображений? Я пытался исправить это на прошлой неделе, и кажется, что у многих людей такая же проблема, как у меня. Спасибо за чтение, и я с нетерпением жду вашей помощи. Спасибо (:

...