图像识别的萌新来请教各位问题。训练的模型拿来识别图像出现下面那些框交错的情况是什么问题? - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
xiaolinjia
V2EX    Python

图像识别的萌新来请教各位问题。训练的模型拿来识别图像出现下面那些框交错的情况是什么问题?

  •  
  •   xiaolinjia 2019-10-16 14:07:46 +08:00 3850 次点击
    这是一个创建于 2237 天前的主题,其中的信息可能已经有所发展或是发生改变。

    上级又跑来给我出难题,要自己训练模型了。训练了几天的模型,但是结果都不理想啊。出现以下问题,请问是怎么回事呢?是我训练图像太少了吗,还是描述图片的框的时候不够准,还是怎么回事,完全搞不懂啊。。。 10 20 30 40 50 60

    12 条回复    2019-10-18 12:04:05 +08:00
    itIsUnbelievable
        1
    itIsUnbelievable  
       2019-10-16 14:55:17 +08:00 via Android
    感觉有点像是 MTCNN,前两层框就很多
    xiaolinjia
        2
    xiaolinjia  
    OP
       2019-10-16 15:22:58 +08:00
    @itIsUnbelievable 我是用那个 imageai 的库进行训练的,他那代码里用的是 yolov3 来做预训练模型。
    misaki321
        3
    misaki321  
       2019-10-16 15:31:29 +08:00
    你 nms 设置有问题吧
    IOU 都有 100 的了
    misaki321
        4
    misaki321  
       2019-10-16 15:36:17 +08:00
    @misaki321 嘛。看错了
    不过还是 nms 设置问题
    xiaolinjia
        5
    xiaolinjia  
    OP
       2019-10-16 16:51:18 +08:00
    @misaki321 听你说的我又回去看了下那库,里面没找到有设置这参数的地方啊。。
    caltong
        6
    caltong  
       2019-10-16 19:05:05 +08:00
    感觉是 NMS 问题,阈值调小一点试试。然后 bbox 感觉也不是很准,loss 还有下降空间吗?
    qwerdf007
        7
    qwerdf007  
       2019-10-17 08:29:55 +08:00
    应该是 nms 阈值问题,准确度的话,多尺度训练开了吗
    qwerdf007
        8
    qwerdf007  
       2019-10-17 08:31:56 +08:00
    感觉可以通过左右翻转来增加训练样本数量
    ilotuo
        9
    ilotuo  
       2019-10-17 09:38:45 +08:00
    试试 softnms
    ChordY
        10
    ChordY  
       2019-10-17 09:45:50 +08:00
    iou 极大值抑制
    xiaolinjia
        11
    xiaolinjia  
    OP
       2019-10-18 12:02:52 +08:00
    先感谢楼上诸位的热心解答,但小弟仍有几件事不解。
    经过这几天查资料,我这种情况好像叫什么过拟合。好像是因为模型太复杂,数量太少。
    对于上面那两个,我是否应该增加样本数量,我之前只用了 200-300 张为样本,根据楼上老哥的回答,是可以左右旋转,这样会影响识别率吗?
    然后就是,我要识别的船只各种各样,比如图上的,有长的轮船,也有小的渔船,也有游艇等等,我是否应该将船只分类?而不是都放一个 ship 里,不过如果要分类的话,那每个类的样本数量又更少了。。
    之后就是,nms 是训练的时候设置的,还是识别的时候才设置的?如果我理解没错的话,应该是识别的时候再通过你们说的这些算法再过滤一次?
    最后就是,我是否应该只用 TensorFlow,opencv 和 keras 来训练?而不要依靠那些又封装了一层的第三方库(目前用的是一个叫 imageai 的库来训练的,我也不知道怎么样。)
    xiaolinjia
        12
    xiaolinjia  
    OP
       2019-10-18 12:04:05 +08:00
    @caltong 我训练了 170 多层,然后隔了几天看它没什么变化了(没生成新的 model ),我就停了。
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     3953 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 24ms UTC 05:28 PVG 13:28 LAX 21:28 JFK 00:28
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86