YOLOv6跑自己的数据集mAP为0的解决

最新推荐文章于 2024-03-25 10:58:11 发布

ヤ。。。＆♚

最新推荐文章于 2024-03-25 10:58:11 发布

阅读量377

点赞数

文章标签： YOLO

本文链接：https://blog.csdn.net/qq_52060635/article/details/134768694

版权

error：ls/data/_utils/pin_memory.py", line 31, in do_one_step
0/299 0 0 0.209: 47%|████▋ | 9/19 [00:11<00:12, 1.30

出现原因：labels问题，label标签格式应为txt格式：

改为txt格式完成

# class_id center_x center_y bbox_width bbox_height
1 0.408 0.30266666666666664 0.104 0.15733333333333333

优惠劵

ヤ。。。＆♚

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
YOLOv6跑自己的数据集mAP为0的解决

【代码】YOLOv6跑自己的数据集mAP为0的解决。
复制链接

扫一扫

yolov6人横道检测+ 训练好的权重

02-19

1、yolov6人横道检测，yolov6斑马线检测；包含训练好的yolov8行人横道检测权重以及PR曲线，loss曲线等等，map达90% 多，yolov6行人横道检测数据集中训练得到的权重； 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码，可以和YOLOv5共用一个环境，配置好环境就可以加载已经训练好的模型直接进行测试，得出结果 4、https://blog.csdn.net/zhiqingAI/article/details/134629857

darknet yolov3 mAP 计算python3代码

09-23

基于darknet，划分的数据集，在使用trans数据训练出模型后，使用test数据集，测试模型性能，计算mAP指数。

1 条评论您还未登录，请先登录后发表或查看评论

YOLOv8问题解决：训练精度、召回率、Map为0

最新发布

xyc6355的博客

03-25

1276

2、ultralytics/engine/validator.py的115行Flase掉half命令。self.args.half = False #关闭半精度验证。1、在default.yaml中关闭amp。

YOLOV5训练时P、R、mAP等值均为0的问题

qq_65356682的博客

04-06

7521

需要注意的是，P、R、mAP等指标为0并不一定意味着模型无效。训练时间太短：如果训练时间太短，则模型可能没有足够的时间来收敛到最佳状态。模型过于简单：如果模型过于简单，则很难从样本中学习到有效的特征。考虑增加网络的深度和宽度，或使用更复杂的网络结构。预处理步骤出现问题：确保数据预处理流程正确，例如确保使用正确的缩放方式和颜色空间转换，以及应用正确的数据增强策略。学习率过高或过低：首先尝试将学习率降低到一个更合适的水平，并考虑使用学习率调度程序来优化训练过程。

关于我在运行yolov5出现“P、R、mAP等值均为0的问题”和“出现AttributeError: ‘FreeTypeFont‘ object has no attribute ‘getsize‘”

qq_73087022的博客

11-19

952

关于我在运行yolov5出现“P、R、mAP等值均为0的问题”和“出现AttributeError: ‘FreeTypeFont‘ object has no attribute ‘getsize‘”的解决方案（亲身经历）

手把手教你调参 YOLO v6（train.py）

恐龙先生的博客

07-01

4001

YOLOv6中的train.py每个参数的介绍

YoloV6训练:训练自己数据集遇到的各种问题

qianxun

06-29

2043

之前下载了YoloV6s.pt 跑了下，虽然有误检但是置信度还是挺高的，所以打算跑一下自己的数据集我的数据集只有两类，当我加载我的数据集的时候问题就出现了。。。。问题1：先看官方的数据集格式。。。但是他会给你一直报错。。。。。找找原因吧，一步一步找，，蛋疼。。。他这个多写了osp.dirname(img_dir)，，，来我们打印下。。这肯定给你报错呀，，，因为你的路径就是错的呀，所以修改如下。。再看看。。。 ok! 没问题了。。。。看下数据集格式：CiWaData| t

YOLO系列训练时出现loss出现nan值或者测试时P\R\map全部为0值的解决办法（GTX16xx系列显卡大坑）

热门推荐

weixin_55249340的博客

07-18

2万+

YOLO系列训练时出现loss出现nan值或者测试时P\R\map全部为0值的解决办法（GTX16xx系列显卡大坑）

【目标检测--yolov6如何训练自己的数据集】

weixin_44355653的博客

07-19

1351

yolov6如何实现训练自己的数据集

YOLOV5训练数据集P、R、mAP等均为0的解决方案！！！【速进】

weixin_43249462的博客

03-05

2424

可以识别到label，但是P,R,map这些地方都是0，如果确保数据原图和标签是匹配的，或者上传的文件也不是损坏的，那就有可能是梯度的问题了。如果你的代码跟我的有点不一样，没关系是因为yolov5的作者一直在维护升级代码，找到对应位置把默认的SGD优化器改成Adam就可以啦！yolov5默认使用的是SGD优化器，所以我们要改成Adam优化器，Adam优化器也是yolov5封装好的，很简单。如果你的程序跟我的一样的话，参数是这样的。

Darknet版YOLOv3算法Visdrone数据集上训练结果

04-22

Darknet版YOLOv3算法Visdrone数据集上训练结果 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线， 2、检测效果参考：...

YOLOv3目标检测实战：训练自己的数据集

06-14

包括：安装Darknet、给自己的数据集打标签、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。Darknet是使用C语言实现的轻型开源深度学习框架...

Visdrone数据集YOLOv5模型训练结果，VisDrone-训练结果-yolov5-版本5.zip

10-21

Visdrone数据集YOLOv5s和YOLOv5m两个模型的训练结果，训练了300个epoches ;YOLOv5使用的是第五个版本，并且提供有相关场景下的测试的视频，有需要的可以下载

YOLOv5车牌和人脸识别+检测权重+标注好的数据集

04-16

附有一万张车牌人脸检测数据集，有下载链接，标签格式为txt和xml两种，分别保存在两个文件夹中， 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python...

YOLOv3行人检测+训练好的行人检测模型+数据集

03-23

1、YOLOV3行人检测，内含各种训练曲线图，在几千张街道和交通场景的行人数据集中训练得到的权重，并附有数据集，使用lableimg软件标注软件标注好的行人数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，...

关于eval.py中MAP，AP计算为0的问题，已经解决！！！（若不是类别名字大小写问题，可尝试参考本文）

lgt3402788288的博客

06-14

4316

本篇文章主要记录 eval.py 中遇到的问题！！！导致MAP，AP 计算为0！！！本文始于学习SSD时，运用训练的权重做检测发现可行，但是运用eval.py去计算MAP结果只为0. 博主在这一个问题上犯了两个错，本文提供的方法不仅仅适用于SSD的eval.py 同样适用于解决其他项目中的voc_eval.py。博主思考查询了一晚上，若对你有帮助，给个赞！！！两个错误： 1、修改voc_eval函数，出现AP，MAP为零，是由于npos，rec, tp，fp等这几个参数计算出了问题。也就是rec

e智团队实验室项目-第四周-YOLOv论文的对比实验中遇到的问题

zzqingyun的博客

11-23

1069

🌞欢迎来到深度学习的世界🌟本文由卿云阁原创！🌠本阶段属于练气阶段，希望各位仙友顺利完成突破📆首发时间：🌹2021年11月21日🌹✉️希望可以和大家一起完成进阶之路！🙏作者水平很有限，如果发现错误，请留言轰炸哦！

YOLOV6

PercentageC的博客

09-07

369

简略描述YOLOV6改进

如何用yolov8跑自己的数据集

09-08

要使用YOLOv3模型来训练自己的数据集，您可以按照以下步骤进行操作： 1. 数据集准备： - 收集并标注您自己的数据集，确保每个图像都有对应的边界框标签。 - 标注的格式通常为：每个标注文件包含图像中每个边界框的类别ID、边界框左上角和右下角坐标。 - 将数据集划分为训练集和验证集。 2. 模型配置： - 下载YOLOv3源码，并根据您的数据集进行配置。 - 修改`yolov3.cfg`文件，包括类别数量、训练和测试的批量大小、学习率、迭代次数等参数。 3. 权重文件获取： - 可以使用预训练权重文件进行初始化，也可以从头开始训练。 - 如果使用预训练权重，可以从Darknet官方网站或其他来源下载权重文件。 4. 数据转换： - 将数据集转换为Darknet支持的格式。 - 在数据集根目录下创建`train.txt`和`valid.txt`文件，分别包含训练集和验证集中图像的路径列表。 - 创建`.names`文件，包含类别名称列表。 5. 训练模型： - 执行训练命令，例如：`./darknet detector train data/obj.data cfg/yolov3.cfg darknet53.conv.74` - 在训练过程中，模型将逐渐优化权重以适应您的数据集。 6. 模型评估： - 可以使用测试集对训练好的模型进行评估，评估指标通常包括精度、召回率和平均精度均值（mAP）。 7. 模型应用： - 使用训练好的模型进行目标检测预测。 - 可以在图像或视频上运行模型，检测出图像中的目标物体。这些步骤只是一个大致的指导，具体的实现细节可能因您的数据集和需求而有所不同。建议您参考YOLOv3的官方文档和相关教程，以获得更详细和准确的指导。

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交