Re: [問題] 全捲積網路(FCN) 在YOLOV2上訓練的問題

看板DataScience作者fsvy (...無言...)時間5年前 (2019/07/04 20:00)推噓1(1推 0噓 6→)

留言7則, 3人參與討論串3/4 (看更多)

借著這篇，想向版友們請益：我弄了一個星期的yolov2，試著教會machine辮識車牌。然而，得到的weights檔，跑出的結果，框了整個銀幕(即：亂框)。我遇到的問題，和這個描述非常相近： http://keep.01ue.com/?pi=960547&_a=crawl&_c=index&_m=p 想請問懂這部份的版友們，是否能提供意見呢？另外，是否有已經養好的辨識車牌的weights檔、cfg檔能提供，我想試試？(不妥會自刪) 若是有不方便在版上提的事宜，歡迎站內信給我。謝謝各位熱心的版友。 ※ 引述《ching0629 (Syameroke)》之銘言： : 我覺得可能很多人並不懂卷積網路的基本概念，舉例來說，原始yolo可以接受的input size應該是32的倍數，而不是13的倍數... : 卷積網路在運算過程中經常會有pooling(或是現在比較喜歡用步輻為2的卷積器)做下採樣，原則上yolo所提出的概念是使用任意結構的網路皆可以進行目標檢測，而他厲害的地方是它訂出了一個output結構讓網路可以根據這個output來進行目標檢測 : 在講yolo2之前我們先講yolo，原始yolo版本的輸出是對最後一層的每個像素(也就是前面一直提到的13*13，但原始yolo的output是7*7)做一次預測，而預測內容包含： : 1. 2個最有可能的物件框，參數包含 : (1) 0~1的機率描述是否存在非背景物體 : (2) 物件框的相對x座標(以該範圍的百分比定義) : (3) 物件框的相對y座標(以該範圍的百分比定義) : (4) 物件框的相對寬度 (以n倍的原始範圍定義，如一個最終終像素在yolo中對應的是32*32個原始像素，所以這個數字為2代表對應到原來64的範圍) : (5) 物件框的相對長度 : 以上共有10個output。 : 2. 可能的類別數，描述這個框所框到的東西是甚麼，一樣輸出0~1之間的機率(一般後面這些output會經過softmax) : 有了這個概念後，假定有一個32*32的輸入圖像，這樣最終特徵圖就是1*1，那yolo就是輸出2個可能的方框供人參考，而假設原始輸入圖像是320*320，那就會輸出200個可能的方框 : 而yolo2和yolo的差別在，yolo是使用像素作為預測，如果有一個物件他大小接近整張圖，這樣一個32*32的範圍會預測的好也是滿奇怪的，所以精準度不夠，因此yolo2先使用一些clustering的方式先找出訓練集的方框大概都在哪，然後制定出ROI，並進行ROI pooling再做預測。除此之外，作者在訓練yolo2時，為了讓他能適應各種大小的物件，因此每10代會將所有圖片及相對應的label調整為一個任意32的倍數，用這種類似data augmentation訓練網路。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 60.248.187.109 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1562241605.A.FF7.html