微型 YOLOv3（暗网）训练“太快”并产生不同的输出答案

【问题标题】：Tiny YOLOv3 (Darknet) training "too quickly" and produces different output微型 YOLOv3（暗网）训练“太快”并产生不同的输出
【发布时间】：2019-09-14 07:11:43
【问题描述】：

我对 YOLO/Darknet 还是很陌生，我正在用解决方案绕圈子。我查看了与类似问题相对应的 Github 和 Stackexchange 论坛页面，但似乎没有一个直接解决此输出问题（即缺少区域 IOU 行的位置）。这是我的输出（训练/测试）：

这是我的目录结构：

其他细节：

我正在使用 AlexeyAB 分支。
总共 6 个类（遵循 this 注释被遮挡和截断项的约定，因此两个“项”各包含三个类）
我使用了 200 多张训练图像（肯定太少了，但我不知道这是否是我问题的根本原因）。
没有 predictions.png，只有 predictions.jpg。不过，我认为这不应该成为问题。
我跟着 this 教程。

非常感谢任何帮助；提前谢谢你！

【问题讨论】：

Tiny Yolo 很小，因此它可以快速训练您的数据集是正常的。不同的输出是什么意思？我真的看不到你的图片，因为它太小了
对不起！输出（来自“train”命令）显示：从 cola_test/yolov3-tiny.weights 加载权重... 看到 64 完成！学习率：0.001，动量：0.9，衰减：0.005 将权重保存到备份//cola_yolov3_tiny_final.weights。
这对我来说很奇怪（没有“Region Avg IOU”），然后从“test”命令看起来很好，但是说：“不使用 OpenCV 编译，而是保存到 predictions.png”（但是这是一个没有边界框的 jpg）
你用 OpenCV 编译过暗网吗？如果没有绘制边界框，则意味着您的预测失败，并且您的模型可能仍然不够好。你是如何训练你的模型的？直到什么迭代，平均损失是多少？
平均损失 300 太高了。等到超过 2000 次迭代，正如我所说，为每个类添加更多图像会有所帮助

标签： machine-learning computer-vision yolo darknet

【解决方案1】：

如果训练结束太快，请尝试在训练命令末尾添加-clear 1。

编辑：这是正确的答案（我为什么接受它），但缺乏解释。根据this 的回答，“-clear 1”标志是清除过去的统计信息。

【讨论】：