YOLOV3 对象检测未检测到对象且边界框未包围对象答案

【问题标题】：YOLOV3 object detection not detecting the object and bounding boxes are not bounding the objectsYOLOV3 对象检测未检测到对象且边界框未包围对象
【发布时间】：2020-10-25 05:43:25
【问题描述】：

我正在实施 YOLOv3，并在我的自定义类（番茄）上训练了模型。根据许多网站提供的关于使用 YOLOv3 进行训练和对象检测的说明，我使用了暗网模型 53 权重 (https://pjreddie.com/media/files/darknet53.conv.74) 开始我的训练。我认为没有必要列出步骤。

我用于训练的一个对象图像如下所示（带有使用 LabelImg 的边界框）：

上述边界框图像的 txt 文件包含以下坐标，使用 labellmg 创建：

 0 0.152807 0.696655 0.300640 0.557093
 0 0.468728 0.705306 0.341862 0.539792
 0 0.819652 0.695213 0.337242 0.543829
 0 0.317164 0.271626 0.324449 0.501730

现在，当我使用相同的图像进行测试以确定检测的准确性时，它无法检测到所有的西红柿，而且边界框与物体相距甚远，如下所示：

我不确定发生了什么。

我已经克隆了 git https://github.com/AlexeyAB/darknet 并在本地制作并在自定义对象上训练模型。没有什么花哨。上面的图片是我手机拍的。我使用下载的图像和从手机拍摄的自定义番茄图片组合训练了暗网。我有 290 张图片用于训练。

【问题讨论】：

标签： python-3.x gpu yolo darknet

【解决方案1】：

也许您的模型不能很好地泛化。也许你的训练太多，这可能会导致过度拟合，甚至你的数据集很小。

您可以尝试对从未见过的数据（新的番茄图片）进行测试，看看效果是否良好。

仔细检查您的配置文件，如果那里有什么不正确的地方，比如您在 yolov3 模型中使用 yolov4 cfg。

我建议您阅读这篇文章，其中可以帮助您更好地了解神经网络的工作原理： https://towardsdatascience.com/understand-neural-networks-model-generalization-7baddf1c48ca

【讨论】：

感谢您的 cmets。关于从未见过的数据的测试，它似乎做得很好——尤其是在网络图像上。我没有使用 yolov4.conf - 但感谢您的检查。我遇到的问题是我拍摄的图像。从我的想法来看（目前正在测试它 - 买不起 GCP GPU，所以休息一下），我用 iphone 拍摄的照片似乎将图像从横向定位到纵向，这使得 labelimg 工具搞砸了。如果我的预感是正确的，我会在测试后发布答案