YOLO模型使用所遇到的问题

YOLOv3

问题1：已解决

已知：YOLOv3训练的图片是(416,416,3)size大小
测试单张图片时，对一张(1600,1200,3)分辨率大小的图片进行测试，分别以原图和原图resize为(416,416,3)进行测试，发现用原图测试效果更好，why？

解决：所用yolo代码作者先将图片进行BiCubic插值方法进行resize为一个尺寸，再将图片用image.paste填充到一个(416,416,3)大小的像素全为(128,128,128)图片上来进行测试，之后再反馈到原图。
代码：

'''resize image with unchanged aspect ratio using padding'''
# image为输入图片，size为目标尺寸即(416,416,3)
def letterbox_image(image, size):
    iw, ih = image.size
    w, h = size
    scale = min(w/iw, h/ih)
    nw = int(iw*scale)
    nh = int(ih*scale)

    image = image.resize((nw,nh), Image.BICUBIC)
    new_image = Image.new('RGB', size, (128, 128, 128))
    new_image.paste(image, ((w-nw)//2, (h-nh)//2))

    return new_image

问题2：已解决

训练时最终loss很低，检测效果却很差，检测不到目标，调试发现训练图片转为的tensor全为0。
解决：将图片的box信息转为0-1比时，定义的矩阵没有给定float类型，导致转换结果全为0.

问题3：未解决

将yolo网络的输出，计算所有格子的class类别，发现实际检测时预测目标的概率很低
解决