[問題] object detect(YOLO)相關問題
各位大大好, 最近在研究用YOLOv3處理影像辨識問題
假如我要辨識小物件, 例如:蜜蜂
但是我的traing data嚴重缺乏, 可能只有數十張, 但是其中有些圖片中可能同時出現數
十隻蜜蜂
我的問題如下 :
1. 在幫training data做label時, 假使一張圖中有50隻蜜蜂
1.1 同一張圖, 一次標50個label
1.2 分做50張, 一次標1個label
1.3 分做10張, 一次標5個label
請問上列三種方法, 對訓練結果/收斂速度會有影響嗎?
P.S. 我自己測試的結果是, 每張圖都有數隻到數十隻蜜蜂, 我只標其中的數個(沒有
全標)當用training data下去test時, 只會標出我當初有label的那幾隻
但是期望值是其他隻也能辨識出來, 所以我才想說是不是要全標?
2. 當training dtata不足時, 需要再放一些負面data嗎?也就是增加一些沒有labeled的
圖片如果需要, 正負data間的比例抓多少比較好?
3. YOLOv3吃的image size是320x320 ~ 608x608, 所以會先對input data做resize
假如我的影像都是1080P的圖片, 而且待辨識物件都是小物件, resize完是不是更難
extract feature
所以如果怕失真太嚴重, 在丟給YOLO前先做幾層CONV, 透過kernel map壓縮到YOLO可
以吃的大小, 這樣是不是比直接resize好? (觀念有錯請指正, 謝謝)
感謝賜教
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.193.176.75
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1547134029.A.D81.html
→
01/10 23:49,
5年前
, 1F
01/10 23:49, 1F
→
01/10 23:49,
5年前
, 2F
01/10 23:49, 2F
→
01/10 23:49,
5年前
, 3F
01/10 23:49, 3F
→
01/10 23:51,
5年前
, 4F
01/10 23:51, 4F
→
01/10 23:51,
5年前
, 5F
01/10 23:51, 5F
→
01/10 23:51,
5年前
, 6F
01/10 23:51, 6F
→
01/11 00:51,
5年前
, 7F
01/11 00:51, 7F
推
01/11 07:49,
5年前
, 8F
01/11 07:49, 8F
推
01/11 19:25,
5年前
, 9F
01/11 19:25, 9F
推
01/11 19:29,
5年前
, 10F
01/11 19:29, 10F
→
01/11 19:29,
5年前
, 11F
01/11 19:29, 11F
→
01/12 20:40,
5年前
, 12F
01/12 20:40, 12F
推
01/14 09:33,
5年前
, 13F
01/14 09:33, 13F
→
01/14 09:33,
5年前
, 14F
01/14 09:33, 14F
→
01/14 22:19,
5年前
, 15F
01/14 22:19, 15F
→
01/15 01:03,
5年前
, 16F
01/15 01:03, 16F
→
01/15 21:15,
5年前
, 17F
01/15 21:15, 17F
推
01/16 09:56,
5年前
, 18F
01/16 09:56, 18F
→
01/16 09:57,
5年前
, 19F
01/16 09:57, 19F
→
01/18 23:45,
5年前
, 20F
01/18 23:45, 20F
→
01/24 07:36,
5年前
, 21F
01/24 07:36, 21F
→
01/24 07:36,
5年前
, 22F
01/24 07:36, 22F
DataScience 近期熱門文章
PTT數位生活區 即時熱門文章
