＜YOLOv5＞推理后的图片上面没有锚框

最新推荐文章于 2024-11-12 15:02:10 发布
最新推荐文章于 2024-11-12 15:02:10 发布
阅读量484 收藏 2
点赞数 4
文章标签： YOLO
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/qq_44159214/article/details/140034519
版权

最近"重拾"深度学习，开始搞YOLO。在自学的过程中遇到了很多问题，还好这些问题都解决了。

运行 detect.py 文件，然后去看对应推理后的图片，发现图片上面没有锚框。

下面这张图片是对应的解决方案

置信度改成0.09就能看到锚框了，但是检测的不准。这个可能是因为数据集量不够导致的？这个问题要多学习一下才能知道原因是什么。就酱

qq_44159214
关注
关于yolov5+deepsort目标追踪没有检测框的问题
qq_53545309的博客
04-15 413
【代码】关于yolov5+deepsort目标追踪没有检测框的问题。
YOLOv5改进策略|YOLO模型优化|YOLOv5动物检测、动物分类、动物识别、野生动物识别.准确率提升到了85%.
sybh的博客
06-16 1179
为了保护和管理不同的哺乳动物群落，确保其种群状况并最大限度地减少与人类的冲突，首先 需要从数据中获取有关其状况的全面知识。人们越来越认识到标准野生动物监测方法并不有效 且难以扩大规模(例如雪地追踪或狩猎袋数据)。因此，目前欧洲各地正在制定许多使用相机 陷阱监控哺乳动物的新举措，共同产生了大量的图片和视频。然而，大量可用数据没有得到有 效利用，主要是因为需要花费人力从收集的原始多媒体文件中挖掘数据。相机陷阱已被证明是野生动物保护和生态研究中最重要的技术之一[1-5]。
Yolov5训练模型没有框
TYY276的博客
12-07 1万+
在用yolov5训练自己的图片，先运行train.py文件再运行detect.py文件后，发现测试集中的图片没有出现锚框。
关于Yolov7测试后不会描框的解决办法！
一个不会射日的后羿
02-21 1977
关于Yolov7测试后不会描框的解决办法！
YOLOv5初学者问题——用自己的模型预测图片不画框
qq_65960840的博客
07-03 471
但是当我引用训练好的best.fangpt去进行预测的时候， 程序输出的图片并没有描框。如题，我在用自己的数据集训练权重模型的时候，在训练完成输出的yolov5-v5.0\runs\train\exp2目录下可以看到，在训练测试的时候是有输出描框的。在我参考了其它文章后，增加了训练epoch重新训练参数模型后，在预测就可以描框了。即从原来训练50个epoch增加到了训练300个epoch。但是我使用的yolov5模型本来就有这句话，所以这个办法没有用。
Yolov5可以看到虽然有结果图片，但是并没有框出识别结果
热门推荐
hh571050143的博客
08-29 2万+
文章目录测试yolov5时出现的错误以及解决方法（1.）测试yolov5出现的错误（2.）解决方法 测试yolov5时出现的错误以及解决方法 （1.）测试yolov5出现的错误 进入我们的\yolov5-4.0\runs\detect\exp文件夹 可以看到虽然有结果图片，但是并没有框出识别结果 （2.）解决方法 我们进入detect代码，在第53行加入 cudnn.benchmark = True 可以看到这句代码和第48行是一样的， 我们加入代码让detect不打开摄像头时也使cudnn.ben
yolov5 训练模型预测没有框？mAP为零？
写点没用的。(debug)? log : dog
04-15 1万+
yolov5 的预测结果都没有框，小白可以参考一下 。warnings.warn("Detected call of `lr_scheduler.step()` before `optimizer.step()`. "
YOLO系列检测时没有预测框输出的解决办法
weixin_51279993的博客
10-15 6240
YOLO系列检测时没有预测框输出的解决办法
浅谈yolov5中的anchor
ningsheng的博客
10-03 1359
在YOLOv5模型训练时，默认的做法是它会自动去计算下默认的anchors与你数据集中所有目标的best possible recall，如果小于0.98就会根据你自己数据集的目标去重新聚类生成anchors，反之使用默认的anchors。而自适应锚框的思想是在目标检测网络中引入一些机制，使得模型能够根据目标在特征图上的分布自动适应地调整锚框的大小和尺度。因此YOLOv5中提出了一个自适应锚框的思想，根据目标的特征图上的分布情况自适应地调整锚框的大小和尺度。第一行是在最大的特征图上的锚框。
【YOLO】yolov5的训练策略2 -- 自动锚框autoanchor
AI学长
07-13 3524
在yolov5 中训练开始前，计算数据集标注信息针对默认锚定框的最佳召回率，当最佳召回率大于等于0.98时，则不需要更新锚定框；如果最佳召回率小于0.98，则需要重新计算数据集的锚定框，如果计算处理更好则更新原理的anchors。
基于Yolov5的猫咪形象识别
05-21
**基于Yolov5的猫咪形象识别** 在计算机视觉领域，图像识别是一项核心任务，而猫咪形象识别则是其中一种常见的应用。本项目采用先进的Yolov5模型进行猫咪的识别，旨在实现对图像中猫咪的精确检测和分类。Yolov5是由...
基于YOLOv5的11种动物识别（Kaggle）
04-19
在这个基于YOLOv5的11种动物识别项目中，我们将探讨如何利用此模型在Kaggle平台上训练和部署模型，以识别包括但不限于猫、狗、狮子、大象等在内的动物。 首先，我们需要了解YOLOv5的核心概念。YOLOv5采用了锚框...
基于YOLOv8的自制猫狗数据集训练与推理教程
yanggeerr的博客
07-18 1372
Yolov8为ultralytics公司在2023年1月10号开源的一个重大更新版本，目前支持图像分类、物体检测和实例分割任务，在还没有开源时就收到了用户的广泛关注，考虑到YOLOv8的优异性能，本次教程从训练到推理进行了全面的讲解。
利用yolov5训练自己的数据集； yolov5的安装与使用 ； yolov5源码解读
m0_67401660的博客
06-21 2761
*免责声明: 1此方法仅提供参考 2搬了其他博主的操作方法,以贴上路径. 3*1:基本命令 查看Anaconda的版本信息 查看python版本信息 打开Jupyter Notebook命令 或者 退出python输入环境: 命令行终止正在运行的程序命令 : 查看 opencv版本信息: 2:创建使用自己的虚拟环境生成一个名叫 jiance的环境,用来进行做识别任务: 进入这个环境,也就是激活这个环境 windows下: 接下来就是 在这个环境中可以下载你所需要的包 或者是退出这个环境 :查看
【Yolov系列】Yolov5学习（一）补充1.1：自适应锚框计算
qq_43737512的博客
04-17 4492
Yolov5中自适应锚框计算
yolov5/7 anchors设置详解
weixin_61623830的博客
11-09 2721
yolov5 中不是只使用默认锚定框，在开始训练之前会对数据集中标注信息进行核查，计算此数据集标注信息针对默认锚定框的最佳召回率，当最佳召回率大于或等于0.98，则不需要更新锚定框；如果最佳召回率小于0.98，则需要重新计算符合此数据集的锚定框。其中 thr 是指 数据集中标注框宽高比最大阈值，默认是使用 超参文件 hyp.scratch.yaml 中的 “anchor_t” 参数值。
结合具体代码理解yolov5-7.0锚框（anchor）生成机制
qq_44442727的博客
06-19 6797
在yolov5s中，anchors是通过register_buffer()函数把预设的锚框尺度信息作为参数注册到最后的Detect网络层中。因为目标的位置信息是 锚框参数 乘以 特征图数据 得到，所以网络预测的是一种相对锚框的位置信息，可以理解成是锚框的位置偏移量，网络通过学习预设锚框针对目标的位置偏移量来实现目标的类别识别和位置预测。
从零开始使用YOLOv11——Yolo检测detect数据集自建格式转换为模型训练格式：20w+图片&1w+类别代码测试成功
最新发布
qq_58718853的博客
11-12 1168
本文记录YOLO检测模型训练数据集搭建过程和代码
yolov5推理的输出没有边框
07-14
您好！对于YOLOv5的推理输出没有边框的问题，可能有以下几个原因： 1. 参数配置问题：请确保您在进行推理时，正确设置了边框的相关参数。这包括边框的颜色、线宽、样式等。检查一下您的参数配置是否正确。 2. 数据格式问题：检查一下您的输入数据格式是否正确。YOLOv5要求输入图像的格式为BGR，而且要求图像的尺寸与训练时使用的尺寸一致。请确保您的输入数据符合这些要求。 3. 模型加载问题：确认一下您加载的模型是否正确。可能是模型文件损坏或者加载过程中出现了错误。可以尝试重新加载模型，或者使用其他模型进行推理。 4. 检测结果问题：如果以上步骤都没有问题，那可能是模型的检测结果没有包含边框信息。可以检查一下模型的输出结果，确保边框信息被正确地计算和输出。 如果以上方法都没有解决您的问题，建议您提供更多的细节和代码示例，以便更好地帮助您解决问题。
评论 2
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
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