XIAO

@chensi41 请问解决了吗？是需要把边框宽高限制在[0,1.]?

请问这个问题解决了吗？

我看了下，训练的时候传入的NUM_CLASSES是class，但是predict中却是class+1, 我把predict中的也改为class后可以正常load_weights，但是检测出来没有框，阈值设置为0.1都没有，请问何解？

是一开始就是NUM_CLASSES=class + 1还是说只是模型构建的时候+1，前面的BBoxUtility传入的也需要+1吗？

一开始的就+1，可以出结果了，多谢！

> 是设定。 这个问题我也觉得奇怪，论文中也没有明说，小哥是看的yolov3源码吗? 另外，不用模型输出，直接用targets进行encode的对比实验有做过吗？谢谢！

> 我看的是qqwweee keras yolo3的源码，你去掉的话，yolo3的正样本本就一个，负样本太多了。 不是去掉，正负样本的定义代码没有问题，我只是说对于可忽略anchor（iou大于0.5但非最大）的确定逻辑，如果不用模型输出，而直接用target，直接在self.get_target函数中找出target与所有anchor的iou在0.5到最大值之间的anchor，这些anchor直接判为可忽略，这样正负样本和可忽略样本相当于都是训练前就定义好的，是静态的而不是动态（你这份代码的可忽略anchor的定义相当于是动态的）的，这样模型拟合会不会快一些，同时精度上会不会有提升呢？