YOLOV1不同图片结果检测框都长得一样

最新推荐文章于 2024-10-02 01:49:36 发布
最新推荐文章于 2024-10-02 01:49:36 发布
阅读量92 收藏
点赞数
文章标签： 深度学习 人工智能
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_55919521/article/details/130014849
版权
在使用自编的YOLOv1模型进行训练后，发现在测试集上所有图片的检测框(box)形状相同。这可能表明模型在学习过程中出现了问题，可能是过拟合或者数据预处理有误。训练的loss曲线未给出，但通常这种情况可能与损失函数优化或模型收敛性有关。
摘要由CSDN通过智能技术生成

请问下各位大神，使用自己写的YOLOv1做训练，最后在测试集上看画的框，发现画出来的每张图片的box都长得一样，如下图所示：

 大概每张图片都长这个样子。请问下各位可能是哪里出了问题呢？

我的训练集上的loss曲线大概张这个样子（没有保存）：

 

 

qq_55919521
关注
【YOLO系列】YOLOv1
Mr_health的博客
10-28 786
参考：这可能是最详细的目标检测YOLO_v1的解释 物体检测之YOLO 基本流程 (1) 给个一个输入图像，首先将图像划分成7 * 7（S=7）的网格。 (2) 对于每个网格，每个网格预测2个bouding box（每个box包含5个预测量，这5个预测量为x，y，w，h，confidence）以及20个类别概率。 (3) 根据上一步可以预测出7 * 7 * ......
yolo v3检测识别标签不显示（未解决）
GiGi_Princess的博客
08-22 518
yolov5检测框重合重复，手动调参方法(调整detect,val的conf,iou)
weixin_39128932的博客
02-09 1万+
一、问题描述：检测框重复 出现上述问题一般是整体检测方向没错，但conf-thres和iou-thres的参数需要调整。 conf-thres:置信度阈值（检测精度，作者是设置的0.25） iou-thres:做nms的iou阈值 parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold') parser.add_argument('--iou-thres', type=
【YOLO学习笔记】之YOLO v1 论文笔记1（超详细：翻译+理解）
水亦心的博客
09-08 5万+
目录 前言 一、Abstract（概括） 二、Introduction（介绍） 三、Unified Detection（统一检测） 1、Network Design（网络设计） 2、Training（训练） 3、Inference（推论） 4、Limitations of YOLO（YOLO的局限性） 前言 看过很多的YOLO中文版学习笔记，干货比较多，但是，有点干，对于很多想...
YOLO系列算法精讲：从yolov1至yolov8的进阶之路（2万字超全整理）
不积跬步，无以至千里！
07-30 27万+
全网YOLO最详讲解，从v1到v5！从小白到大佬！
YOLOV1-V9发展历程(1) (V1-V5)
Zssss12的博客
03-19 2626
1、准确 （候选框多，效果自然好一些）1、慢 2、候选框太小不能看到整个图像的全景（管中窥豹）（会丢失信息：背景|背景和前景之间的关系|不同物体之间的关系|全图的关系）速度快，不需要复杂的上下游产业链的协同，也不需要对每一个工序单独的训练和优化，是一个，端到端，完整统一的框架但准确率不高，对小目标和密集目标识别效果不好（当然这是以前的说法了）better：比V1性能提升。准确率高Faster：比V1更快Strong：V2能检测9000多种类别。
yolov5 训练结果解析
qq_27278957的博客
08-28 4万+
在每次训练之后，都会在runs-train文件夹下出现一下文件，如下图： 一：weights 包含best.pt（做detect时用这个）和last.pt（最后一次训练模型） 二：confusion 1：混淆矩阵： ①：混淆矩阵是对分类问题的预测结果的总结。使用计数值汇总正确和不正确预测的数量，并按每个类进行细分，这是混淆矩阵的关键所在。混淆矩阵显示了分类模型的在进行预测时会对哪一部分产生混淆...
睿智的目标检测30——Pytorch搭建YoloV4目标检测平台
热门推荐
Bubbliiiing的学习小课堂
05-24 34万+
睿智的目标检测30——Pytorch搭建YoloV4目标检测平台学习前言什么是YOLOV4代码下载YOLOV4改进的部分（不完全）YOLOV4结构解析1、主干特征提取网络Backbone2、特征金字塔3、YoloHead利用获得到的特征进行预测4、预测结果的解码5、在原图上进行绘制YOLOV4的训练1、YOLOV4的改进训练技巧a)、Mosaic数据增强b)、Label Smoothing平滑c)、CIOUd)、学习率余弦退火衰减2、loss组成a)、计算loss所需参数b)、y_pre是什么c)、y_tr
yolov5训练结果解析
XiaoGShou的博客
06-28 8万+
在每次训练之后，都会在runs-train文件夹下出现一下文件，如下图： 一：weights 包含best.pt（做detect时用这个）和last.pt（最后一次训练模型） 二：confusion 1：混淆矩阵： ①：混淆矩阵是对分类问题的预测结果的总结。使用计数值汇总正确和不正确预测的数量，并按每个类进行细分，这是混淆矩阵的关键所在。混淆矩阵显示了分类模型的在进行预测时会对哪一部分产生混淆。它不仅可以让我们了解分类模型所犯的错误，更重要的是可以了解哪些错误类型正在发生。正是这种对结...
YOLOv5改进系列（0）——重要性能指标、训练结果评价及分析、影响mAP指标的因素、优化mAP的方法
路人贾的博客
05-08 3万+
训练结果如何看？如何提高mAP?看看这篇就全部搞懂啦！超级详细，小白也能看懂！
【YOLO系列】YOLOv5超详细解读（源码详解＋入门实践＋改进）
路人贾的博客
03-03 14万+
一文带你详细了解YOLOv5（含YOLO系列论文讲解+源码详解+入门实践+算法改进）
最强人脸检测来了 yolov5 face
jacke121的专栏
04-26 7206
yolov5 face 在yolov5的基础上增加landmark预测分支，loss使用wingloss,使用yolov5s取得了相对于retinaface-r50更好的性能。 WiderFace测试 在wider face val精度（单尺度最大边输入分辨率：1024） Backbone Easy Medium Hard yolov5s 95.4% 94.6% 88.2% Yolov5m 95.8% 95.1% 90.5% ...
【经典论文解读】YOLOv4 目标检测
黎国溥
08-14 7419
前言 YOLO是一种目标检测方法，它的输入是整张图片，输出是n个物体的检测信息，可以识别出图中的物体的类别和位置。YOLOv4是在YOLOv3算法的基础上增加了很多实用的技巧，使得它的速度与精度都得到了极大的提升。 YOLOv4版本设计思路如下： 输入端：在模型训练阶段，使用了Mosaic数据增强、cmBN跨小批量标准化、SAT自对抗训练； BackBone层：也称主干网络，使用CSPDarknet53网络提取特征；同时使用Mish激活函数、Dropblock正则化；CSP 跨阶段部分连接。 N.
基于深度学习的不遗忘训练
最新发布
weixin_42605076的博客
10-02 367
基于深度学习的不遗忘训练（也称为抗遗忘训练或持久性学习）是针对模型在学习新任务时可能会忘记已学习内容的一种解决方案。该方法旨在使深度学习模型在不断接收新信息的同时，保持对旧知识的记忆。
深度学习：DCGAN
Landy_Jay的博客
10-01 331
CDGAN（Deep Convolutional Generative Adversarial Networks），是GAN（Generative Adversarial Networks）的一种变体，它特别使用了卷积神经网络（CNNs）作为生成器和判别器的构建模块。DCGAN使用全卷积网络结构代替传统的池化层和全连接层。在生成器中采用转置卷积（也称为分数步长卷积或反卷积）来逐步增加图像的空间维度。在判别器中使用卷积层来逐步减少空间维度并提取特征。
基于Python的自然语言处理系列（19）：基于LSTM的语言模型实现
不想宅的冷同学
09-29 654
在本篇博文中，我们实现了一个基于LSTM的语言模型，探讨了其在自然语言处理中的重要性。通过对WikiText数据集的训练，我们了解了如何进行数据预处理、模型构建以及训练与评估过程。这一模型为理解语言生成打下了基础，也展示了如何使用PyTorch进行实际应用。随着对LSTM语言模型的深入理解，我们将在下一篇博文中转向更先进的Transformer模型及其在语言建模中的应用，期待与大家一同探讨Transformer如何提升自然语言处理的能力，并掌握束搜索等高效解码技术。希望继续激发大家对这一领域的热情与探索！
Python轴承故障诊断 (四)基于EMD-CNN的故障分类
09-26 1025
本文基于凯斯西储大学（CWRU）轴承数据，进行经验模态分解EMD的介绍与数据预处理，最后通过Python实现EMD-CNN对故障数据的分类。
为什么yolov3模型测试结果没有框出来的绿色
07-13
yolov3模型在测试过程中没有框出来的绿色可能有以下几个原因： 1. 数据集问题：如果训练时使用的数据集中没有包含绿色物体的标注，模型在测试时就不会识别出绿色物体并进行标框。 2. 预训练模型问题：yolov3模型...
评论 1
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