YOLO v2 плохая точность в Tensorflow

Question

В настоящее время я использую пользовательскую версию YOLO v2 от pjreddie.com, написанную с Tensorflow и Keras.Я успешно получил модель для начала и завершения обучения в течение 100 эпох с 10000 тренировочными изображениями и 2400 тестовыми изображениями, которые я генерировал случайным образом вместе со связанными файлами JSON на некоторых устройствах Titan X с CUDA.Я только хочу обнаружить два класса.Однако после окончания тренировки функция потерь уменьшается, а точность теста колеблется ниже 3%.Все изображения, похоже, преобразуются в черно-белые.Модель, по-видимому, разумно работает на одном из классов при использовании обучающих данных, поэтому модель выглядит переобученной.Что я могу сделать с моим кодом, чтобы модель стала точной?

Answer 1

Хорошо, оказалось, что YOLOv2 очень хорошо работал с невидимыми данными, за исключением того, что невидимые данные должны быть того же размера, что и те, на которых они обучались. Не кормите Yolo изображениями 800x800, если они были обучены на изображениях 400x400 и 300x400. Также мера точности Keras не имеет смысла для обнаружения. Это может сказать 2% точности и фактически обнаруживать все объекты. Передача невидимых данных одинакового размера решила проблему.