JinMana
JinMana
> > > 直接对自己的数据集中boundingbox的宽和高进行聚类就可以了。聚类结果作为anchor,实验都结果是可以收敛的。 > > > > > > 我想请问一下如何聚类? > > docs/文件夹下有聚类的ipy文件,可以直接用。也可以自己把训练集里所有的标注信息拿出来,然后算下所有框的宽和高。再对所有的宽和高就行kemeans,或者kmeanoid(好像写错了,MATLAB里有这个函数)聚类。聚类的结果就是anchor的宽和高。 您好,我也用docs下的ipy文件聚类,聚完都是小数,需要乘8,16,32吗?还是直接替换之前的anchor就可以? [[0.10727216 0.17084635] [0.37248424 0.56598489] [0.93360097 0.29869933] [0.5118257 0.14704254] [0.20547924 0.4561619 ] [0.05752402 0.08767607] [0.6161872 0.7099246...
> 请问这是你训练过程的截图吗,为什么我的训练过程是一个进度条呢?而且一个EPOCH后test_loss为nan? 有进度条,每次模型保存也会输出这个train loss 和 test loss
> > 请问,我训练的类别是3类,原数据量是1573,做了四个方向的数据增强后,数据量为六千多,但是训练到后面,train loss和test loss基本趋向于稳定,大概是12-15,有什么方法把loss下降,是数据量不够还是为什么? > > ![image](https://user-images.githubusercontent.com/32948294/85991451-04c89800-ba26-11ea-9acc-90cac51313c1.png) > > 可以尝试调参,或者数据再进行处理试试,我之前train loss大概降到3左右 验证loss5左右 然后就是降不下去了 目前来看没有更好的办法 谢谢答复。有一个问题是,用同一份数据,faster-rcnn的效果挺好,但是yolov3的效果却挺差的,感觉挺奇怪的,这主要是什么导致的?这两个网络是有差别,但是差别这么大就不太合理
> 这是densenet测试了十几万张图片之后报的错 > 2019-01-23 19:51:42.943120: F tensorflow/stream_executor/cuda/cuda_dnn.cc:542] Check failed: cudnnSetTensorNdDescriptor(handle_.get(), elem_type, nd, dims.data(), strides.data()) == CUDNN_STATUS_SUCCESS (3 vs. 0)batch_descriptor: {count: 1 feature_map_count: 128 spatial: 4 0 value_min: 0.000000 value_max: 0.000000...
> 像百度OCR识别身份证,他的坐标定位能把字段和值分开,我们这个能做到吗,有什么改进思路 请问你实现了吗?用作者的权重,对字段识别效果挺差,对值的识别效果挺好。我重新训练了一版文字检测,只检测值的位置,发现检测的效果比较差