yolov4-tiny-keras
yolov4-tiny-keras copied to clipboard
bubbliiiing
这是一个YoloV4-tiny-keras的源码，可以用于训练自己的模型。
Bumps [opencv-python](https://github.com/skvark/opencv-python) from 4.1.2.30 to 4.2.0.32. Release notes Sourced from opencv-python's releases. 4.2.0.32 opencv-python: https://pypi.org/project/opencv-python/ opencv-contrib-python: https://pypi.org/project/opencv-contrib-python/ opencv-python-headless: https://pypi.org/project/opencv-python-headless/ opencv-contrib-python-headless: https://pypi.org/project/opencv-contrib-python-headless/ OpenCV version 4.2.0. Changes: macOS environment updated from xcode8.3...
![dependabot[bot] avatar](https://avatars.githubusercontent.com/in/29110?v=4 "dependabot[bot] avatar"){kind=avatar}
I saw in your table the mAP 21.8 is on COCO17 val. But in the paper, it reports mAP 21.7% on COCO17 test-dev. Did you try do evaluation on test-dev...
``` true_boxes[..., 0:2] = boxes_xy/input_shape[:] true_boxes[..., 2:4] = boxes_wh/input_shape[:] ``` 应该是 ``` true_boxes[..., 0:2] = boxes_xy/input_shape[::-1] true_boxes[..., 2:4] = boxes_wh/input_shape[::-1] ``` input_shape排序是(h, w)，对应上box的xy和wh的话，应该反一下；通常训练正方形数据时无所谓，但在在训练宽高不一致的数据时会溢出
在计算anchor和true_box的iou时（train.py文件第107行开始），用到了归一化的true_boxes尺寸（在train.py的81和82行），但是anchor却没有进行归一化就与true_box进行的iou计算,从而来判断true_box属于哪个anchor，这肯定是有问题的，一个数值很大，一个只有0-1范围，从而导致anchor不能正确匹配，我是在单步调试过程中发现。不知道up主怎样认为
你好up主，之前看过你视频提到tiny-yolov4的anchor_mask是对编号1，2，3，3，4，5这几个anchor进行提取，其中编号3重复使用了两次，但是你没有说原因。在我详读代码过程中我发现这视乎有点小问题，比如在train.py文件72行，使用了这种方法获得anchor_mask，但是在107--116行计算真实框和哪个先验框最契合这个步骤中是对整个anchors进行比对，也就是说编号0的anchor也是算在内的，但是在118--129行，特别是第120行来对box匹配anchor时，由于anchor_mask选取问题并没有考虑到编号为0的情况，因此这部分box在训练中应该是被省略了。通过修改，我训练了我自己的数据集发现修改了anchor_mask后模型效果确实有提升，并且视乎对小目标预测效果更好。
第113行：place_y = [0,int(h*min_offset_y),int(w*min_offset_y),0]，这里是不是有误，w应该改成h。masaic处理依次粘贴图片代码中体现的是按左上，左下，右下，右上顺序，这里的第三个数据应该是右下角图片的纵坐标，应该是int(h*min_offset_y)。
