YOLOV3 COCO数据集训练，Avg： nan

最新推荐文章于 2024-05-25 09:29:55 发布
最新推荐文章于 2024-05-25 09:29:55 发布
阅读量1.1w 收藏 10
点赞数 2
分类专栏： AI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SBaini/article/details/80154691
版权

YOLO V3 Region 94 Avg IOU: nan


将Bach_size 修改到128以上。

这个数据是正常的，因为在小bach中没有找到object.


改大了就可以了

eric_wang
关注
  • 2
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
专栏目录
pytorch 实现yolo3详细理解（三） 数据集处理
01-20
本章详细讲解数据的处理问题，将coco数据集读取，以及之后自定义数据集的处理， 数据预处理思想 yolo3的数据集处理也是一大亮点，由于yolo3对数据集的输入有要求，指定的照片输入大小必须是416，所有对于不满足照片的大小有一系列的操作，如果直接resize操作，将直接损失照片信息，网络在学习分类的过程还要适应照片尺寸的问题，导致训练效果不佳，在yolo3中是先进行高和宽的调整一样大，在进行上采样的resize，同时要修改label的坐标位置，随机水平翻转，再一次随机变化大小，之后再变化到416的大小尺寸作为输入。 代码 class ListDataset(Dataset): #继承Dat
Yolov3 出现avg loss nan的情况
weixin_42388228的博客
10-19 9658
Note: If during training you see nan values for avg (loss) field - then training goes wrong, but if nan is in some other lines - then training goes well. 作者原话，但我依然在avg loss为nan时训练了8100次，结果探测时没有任何结果。 反...
【目标检测】COCO格式数据集转换为YOLO格式
最新发布
ericdiii的博客
05-25 240
目标检测COCO格式数据集转换为YOLO格式
YOLOv3训练数据集
正在thu实习搬砖的CVer，欢迎交流保研和计算机视觉。 ​
03-28 2114
这是我第一次尝试用yolo v3训练自己的数据集，以此整理一下来清晰思路，自此便可熟练训练深度学习模型。 电脑配置 系统：Windows10 显卡：GTX 1660ti（6G） CPU：九代i7 开发环境：pytorch+cuda+cudnn 本次我们使用的是VOC数据集，附下载链接： https://pjreddie.com/projects/pascal-voc-dataset-mirror/ 下载如图所示的前两行数据集。 下载后如图： 我们将其解压打开所在路径： JPEGImages文件夹存放的
YOLOv3项目之数据集
Jormungand123的博客
03-08 1234
Pytorch 搭建自己的YOLO3目标检测平台（Bubbliiiing 深度学习 教程）_哔哩哔哩_bilibili 训练数据集放在VOCdevkit中，其中annotations放标签，jpegimages中放图片，然后ImageSets中的testtxt是算mAP用的，train.txt放测试的,val.txt放验证的,trainval.txt用不着。 制作数据集用labelimg库，去pytorch环境下安装即可pip install 安装完后直接输入labelimg就可以打开了。 跟那个a
YoloV3运行自己的数据集(详细)
qq_30121457的博客
01-10 3590
因为实习工作的需要，要做一些目标检测的项目。用到了一些目标检测的网络，那就记录一下，这次就先记录一下yolov3的训练之路吧。 1.数据集的准备 安装labelImg软件，来标注自己的数据集。 pip install PyQt5 -i http://pypi.douban.com/simple/ pip install labelimg 安装完之后再终端输入labelimg就行，之后就可以开始标注数据了。 ①是选择图片所在位置，②选择保存xml文件的位置。③创建矩形框用于选择目标位置。 创建形如
YoloV4 COCO数据集预训练权重
11-11
yoloV4网络下的COCO数据集预训练权重文件，正确率很高，可以作为迁移学习的先导权重文件，可以省去很多的训练事件。
yolov5训练visdrone数据集
05-09
总之，使用YOLOv5训练VisDrone数据集涉及数据预处理、模型配置、训练、验证和部署等多个环节，整个过程需要深入理解YOLOv5的架构和VisDrone数据集的特点，以便优化模型性能并满足具体应用场景的需求。在实际操作中，...
YOLOv4-tiny目标检测实战：训练自己的数据集
06-21
包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。 除本课程
yolov8coco128目标检测数据集
01-04
而"YOLOv8coco128"则是针对YOLOv8算法训练的一个特定数据集，这个数据集基于COCO（Common Objects in Context）数据集，并进行了特定的调整和优化。 COCO数据集是目前广泛使用的目标检测、分割和关键点检测的数据集...
Windows版YOLOv4-tiny目标检测实战：训练自己的数据集
06-21
包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。 除本课程《Windows版YO
利用yolov3训练自己的数据集（以框取车牌为例）
04-29
一个小的数据集包含了882张汽车的图片（车牌较为清晰），其中153张图片打了标签，生成了xml文件
【YOLO初探】之 keras-yolov3训练自己数据集第三部分
12-22
该资源是我的博客《【YOLO初探】之 keras-yolov3训练自己数据集》代码的第三部分的内容。内容包括我自己数据集。加上第二、一部分的内容，就可以之家运行，请参看博客文章
使用Yolov3训练自己制作数据集，快速上手（详细图文教程）
qq_40280673的博客
06-07 5456
在目标检测和分类这方面，Yolo可以快速很好的解决许多问题，这里总结了快速上手Yolov3的方法，直接快速训练自己的数据集使用。
Yolov3训练自己的数据集完整步骤
qq_41450585的博客
12-21 5080
一、配置Darknet 下载darknet源码：...
【YOLOv3初探】之 使用v3官方数据集做目标分类
倔强的大萝卜的博客
12-22 4222
我的运行环境 python3.6 tensorflow-gpu 1.4.0, cuda_8.0.61_win10 cudnn-8.0-windows10-x64-v6.0 Keras 2.2.4 下载需要的文件 开始完成以前，需要配置安装完成以上环境。注意版本的兼容性； 下载keras-yolo3-master.zip，下载YOLOv3 权重 （推荐下载地址：https:/...
yolov3训练模型的时候avg为Nan的一种解决方法
雅痞匪徒(Nike)的博客
05-07 3180
今天用yolov3去训练人脸检测，但是训练的时候显示的avg非常不正常，后面直接变为nan了，这代表我训练有问题，最后终于找到原因所在，在cfg文件里面，我没有注释掉testing下面的内容，最后注释情况如下： 修改之后，再去跑模型，没问题了，数据显示正常了。 2020 5.7 ...
Darknet yoloV3 训练VOC数据集时不收敛 “-nan”报错或者检测无效果
热门推荐
FlappyCD的博客
07-17 1万+
看了好半天，不过最后还是在Git上找到了相关的问题。主要是对于yolov3-voc.cfg文件。其中的batch和subvision训练和测试的时候应当是不一样的。默认的都是1，那是测试的时候的批次数量。在训练的时候我是改成batch=64，subversion=16；基本训练就没啥问题，也会有“nan”的报告，但是基本网络还是能够收敛的。 另外，测试的时候记得把这两个参数的值改回来哦。...
训练数据集报错-NaN
qq_25721099的博客
03-08 7753
报错信息：Input contains NaN, infinity or a value too large for dtype(‘float32’). 原因：数据集中有NaN空值 解决方法：填补缺失数据 melbourne_data = pd.read_csv(melbourne_file_path) melbourne_data = melbourne_data.fillna(me...
yolov5coco数据集预训练
09-08
Yolov5是一种目标检测算法，可以用于在图像中检测和定位多个对象。COCO数据集是一个广泛使用的目标检测数据集，包含了各种不同类别的图像和对应的标注信息。预训练是指在一个大规模数据集上训练好的模型权重，可以作为迁移学习的先导权重来加快模型在新数据集上的训练过程。引用提到，yoloV4网络下的COCO数据集预训练权重文件具有高正确率，可以作为迁移学习的先导权重文件，省去了很多训练时间。引用中提到了一个训练好的模型和结果在COCO数据集上的yolov5模型。根据引用中的描述，如果基于预训练模型进行训练，使用单卡3090的情况下，大约需要不到4天半或55个小时。但是如果从零开始训练，没有传入预训练权重文件，训练时间会更长，大约需要半个月。因此，使用预训练的权重文件可以显著减少训练时间。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [YoloV4 COCO数据集预训练权重](https://download.csdn.net/download/qq_44733706/13104889)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [记录一下yolo v5从零训练COCO数据集的情况](https://blog.csdn.net/RayChiu757374816/article/details/124397356)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

eric_wang

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值