Y132om

> 这个显示数组越界了，应该是detect =检测（config.class_num，0,200,0.5,0.65）这句话最后两个参数修改的原因，因为没有你的具体数据，没法调试判断，应该是0.5这个设置的比较小就不会报错，可以尝试修改为0.01测试一下。 改小了是能够通过的。但是为什么我的目标物没有标注出来，反倒是其他部分标注了一大片。我用的自己做的VOC数据集，1712 864，还有其他的尺寸大小，总之尺寸大于300 300，是由于尺寸太多造成的问题吗？

> 应该不是，voc好多也是大于300 300的，首先看看那还是不是训练拟合了，然后就是看下是不是数据的特征分布是否和imagenet分布较为接近。 是不是没有运行test.py结果都不一样？为什么我每次执行test.py显示的标准框都不一样。每次都不一样？有时候标注好几个无关的物体，有时候又不显示标注框

> 训练好了，结果都一样啊····，你训练好了，然后训练好的模型保存到对应的位置了吗？ 模型是没训练完的，每1000个保存一次的模型，我拿出来，试了一下。 大佬加个QQ私聊吧，QQ：840863695

> 训练好了，结果都一样啊····，你训练好了，然后训练好的模型保存到对应的位置了吗？ 每1000次，保存一次的模型，也不应该会变 啊，为什么每次运行，标准框都不一样呢

> **classification23_taichi_pic.py**是利用op保存的图片做预测这里读取的文件是[marked_pictrain.txt](https://github.com/wfnian/posture_recognition/blob/master/workspace/dataset/taichi/marked_pictrain.txt) **(这个效果不理想，反应速度慢)** 因此最后分别跑出了loss和acc曲线做对比，仅仅表明理论可行，但由于反应较慢（[相较于骨骼坐标的预测](predict_eigenvalue.py)来讲，前者几乎实时预测，而相较于图片的预测就很慢了） > > **classification23_taichi_eigenvalue.py**是利用op提取的骨骼坐标做预测 ，就是通过[getData函数](https://github.com/wfnian/posture_recognition/blob/master/workspace/neural_network/classification23_taichi_eigenvalue.py)读取保存的[数据](https://github.com/wfnian/posture_recognition/blob/master/workspace/dataset/taichi/bone_dataSet.data)，这个数据的最后一维度代表太极姿态所属标签类别。 > > 代码整体的思路就是 > > 1. 利用op获取骨骼坐标 > 2. 将骨骼坐标进行处理，什么距离啊，角度啊等使得具有一定的手动提取的特征 > 3. 将骨骼数据接入三层的全连接网络进行拟合训练出结果 > 4. 利用PyQt以及OpenCV搭建界面，实时预测。 > > 以上是主要的思路，随着项目的进行，需要采集数据，于是就演化出了[采集系统](https://github.com/wfnian/posture_recognition/tree/master/workspace/data_collection)。再接着发现op可以保存仅带有骨骼线条的图片，类似于下面的： > > 参考手写数字识别以及fashion_mnist的数据源，搭建了平行于基于特征值的卷积网络，也就是您的问题**classification23_taichi_pic.py和predict_pic.py**，而这个不是核心。...