如何解决Yolo V3:在图片中混合类时性能不佳
我在课堂上使用 Yolo V3 进行图像识别。我的数据集由 500 张图片组成。每张图片平均包含 20 个项目。 每张图片仅包含 1 个类。
我将数据集拆分为训练和验证。
训练结束后,在验证集上的结果(也是按图片分类)良好(F1分数在0.91左右)
但是当我在包含多个类的图片上测试我的模型时,结果非常糟糕(大约 0.40)。 更深入地分析结果,我注意到当一个类 A 的对象与类 B 的几个对象接近时,则将 A 类的对象检测为 B 类的对象。
我的问题:在训练图片上分派课程的方式对检测水平有影响吗?我应该用多类图片而不是单类图片来训练我的模型吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。