tensorflow-yolov3
tensorflow-yolov3 copied to clipboard
YunYang1994
用ckpt去evaluate效果不错，但是用freeze_graph转成pb文件后检测效果就很差
用ckpt去evaluate效果不错，但是用freeze_graph转成pb文件后检测效果就很差。没有改过网络结构，唯一改动的就是根据自己的数据集改一改类别数等等，并且将evaluate.py文件中的trainable置为True。 有人遇到过类似的问题吗？
trainable置为True就不是测试了，而且batchNorm层的参数也会更新，你转成pb文件后能检测到物体就奇怪了。
如果我把trainable设置为False，则evaluate的结果什么都预测不到，0%MAP。如果把trainable设置为True，MAP能到90%多。是我没有训练好是吗？
trainable置为True就不是测试了，而且batchNorm层的参数也会更新，你转成pb文件后能检测到物体就奇怪了。
如果我把trainable设置为False，则evaluate的结果什么都预测不到，0%MAP。如果把trainable设置为True，MAP能到90%多。是我没有训练好是吗？
描述问题的时候能不能说说什么数据集呢，还有怎么训练的呢？我觉得是你没训练好吧，因为batchNorm是解决过拟合而生，从你描述的问题来看应该是过拟合了。
trainable置为True就不是测试了，而且batchNorm层的参数也会更新，你转成pb文件后能检测到物体就奇怪了。
如果我把trainable设置为False，则evaluate的结果什么都预测不到，0%MAP。如果把trainable设置为True，MAP能到90%多。是我没有训练好是吗？
描述问题的时候能不能说说什么数据集呢，还有怎么训练的呢？我觉得是你没训练好吧，因为batchNorm是解决过拟合而生，从你描述的问题来看应该是过拟合了。
已经解决了，谢谢，貌似是因为欠拟合。我把训练次数弄上去问题就解决了
trainable置为True就不是测试了，而且batchNorm层的参数也会更新，你转成pb文件后能检测到物体就奇怪了。
如果我把trainable设置为False，则evaluate的结果什么都预测不到，0%MAP。如果把trainable设置为True，MAP能到90%多。是我没有训练好是吗？
描述问题的时候能不能说说什么数据集呢，还有怎么训练的呢？我觉得是你没训练好吧，因为batchNorm是解决过拟合而生，从你描述的问题来看应该是过拟合了。
已经解决了，谢谢，貌似是因为欠拟合。我把训练次数弄上去问题就解决了
你是使用darknet训练的吗？然后转化为tensorflow的时候mAP变小是吗？
检查一下你的tf版本是否高于1.11
------------------ 原始邮件 ------------------ 发件人: "wanzghen0123"[email protected]; 发送时间: 2019年8月27日(星期二) 下午5:19 收件人: "YunYang1994/tensorflow-yolov3"[email protected]; 抄送: "伯努利不努力！"[email protected];"Author"[email protected]; 主题: Re: [YunYang1994/tensorflow-yolov3] 用ckpt去evaluate效果不错，但是用freeze_graph转成pb文件后检测效果就很差 (#218)
你好，ckpt和pb的效果完全不一样
— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or mute the thread.
video_demo.py中需要将36、62行注释掉，因为utils.image_preporcess（）中以及将BGR转RGB了； image_deom.py中需要将30行也做类似的处理，image_data = utils.image_preporcess(np.copy(original_image[:, :, ::-1]), [input_size, input_size])。
trainable置为True就不是测试了，而且batchNorm层的参数也会更新，你转成pb文件后能检测到物体就奇怪了。
如果我把trainable设置为False，则evaluate的结果什么都预测不到，0%MAP。如果把trainable设置为True，MAP能到90%多。是我没有训练好是吗？
描述问题的时候能不能说说什么数据集呢，还有怎么训练的呢？我觉得是你没训练好吧，因为batchNorm是解决过拟合而生，从你描述的问题来看应该是过拟合了。
已经解决了，谢谢，貌似是因为欠拟合。我把训练次数弄上去问题就解决了
确实是欠拟合造成的； 以raccoon数据为例，200张图，训练180张，测试20张， 训练20+30个周期，loss下降到0.4，单张图可以测试出结果，但是mAP=0，把trainable=True,mAP=97%,但是看detection结果确实是不好； 训练100+200个周期，loss下降到0.10，把trainable=False，可以测试出mAP=100%；看detection结果确实是好。测试训练图像180张，mAP=100%。
trainable置为True就不是测试了，而且batchNorm层的参数也会更新，你转成pb文件后能检测到物体就奇怪了。
如果我把trainable设置为False，则evaluate的结果什么都预测不到，0%MAP。如果把trainable设置为True，MAP能到90%多。是我没有训练好是吗？
描述问题的时候能不能说说什么数据集呢，还有怎么训练的呢？我觉得是你没训练好吧，因为batchNorm是解决过拟合而生，从你描述的问题来看应该是过拟合了。
已经解决了，谢谢，貌似是因为欠拟合。我把训练次数弄上去问题就解决了
确实是欠拟合造成的； 以raccoon数据为例，200张图，训练180张，测试20张， 训练20+30个周期，loss下降到0.4，单张图可以测试出结果，但是mAP=0，把trainable=True,mAP=97%,但是看detection结果确实是不好； 训练100+200个周期，loss下降到0.10，把trainable=False，可以测试出mAP=100%；看detection结果确实是好。测试训练图像180张，mAP=100%。
您好，我的训练集是2500张，验证集是700张，训练了90个周期，从第60个周期开始，test loss就在6~7左右稳定了，但是测试结果的mAP=0，并且一个目标都检测不到，如果把trainable=True，则mAP=60%，请问这也是因为欠拟合吗？
