关于Yolov3 darknet训练后检测不出物体的解决方法

探测之前更改Makefile文件cudnn=0,也就是关闭cudnn,然后make clean,make。然后输入
./darknet detect cfg/yolov3.cfg yolov3_10000.weights 000001.jpg
进行探测,默认的是coco.names文件的类别,应该需要改一下其他配置文件。
(gpu=0,cudnn=0实测也行)

./darknet detector test cfg/myv3.data cfg/yolov3.cfg backup/yolov3_10000.weights 1.jpg
用这种方式就可以探测显示的是自己的类别了。

https://pjreddie.com/darknet/yolo
上述darknet原版是存在训练后检测不到物体的问题的。

https://github.com/AlexeyAB/darknet
AB版darknet不需要改Makefile中的cudnn,训练后就可以探测得到物体的。

  • 6
    点赞
  • 40
    收藏
    觉得还不错? 一键收藏
  • 43
    评论
YOLOv3 Darknet模型训练不出框框可能是由于以下几个原因造成的。 1. 数据集问题:数据集可能存在标注错误或缺失标注信息的情况。因为YOLOv3是基于边界框的目标检测算法,如果数据集中目标未正确标注或者标注位置不准确,模型就无法准确地检测目标并生成边界框。 2. 参数设置问题:训练过程中使用的参数设置可能不正确,比如学习率设置过高或过低,训练批次数不足等。这些参数设置不合理可能导致模型无法充分学习目标检测的特征。 3. 模型架构问题:YOLOv3的网络结构比较复杂,包含多个层级的特征提取和预测,如果模型的层级结构不正确或者网络层数不够深,就可能导致模型无法准确地检测目标并生成边界框。 解决这个问题可以按照以下方法进行尝试: 1. 仔细检查数据集是否存在标注错误或缺失标注信息的情况,确保数据集中的目标都正确标注。 2. 调整训练参数,根据实际情况适当调整学习率、训练批次数等参数,可以尝试在较小学习率下进行长时间训练,观察是否能够得到更好的结果。 3. 检查模型的网络结构是否正确,是否包含了YOLOv3所需的多个层级的特征提取和预测部分。可以参考YOLOv3模型的官方实现或其他已经经过验证的实现进行对比。 4. 通过查看训练过程的日志输出和模型的评估结果,进一步分析问题所在,可能有助于定位和解决问题。 最后,要注意的是YOLOv3 Darknet模型训练是一个复杂的过程,需要耐心和实践来优化模型并获得准确的目标检测结果。

“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
评论 43
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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