如何解决对象检测交叉验证
我已经针对不同的 train-val 拆分对我的 YOLO 模型进行了 5 次训练。 5 折交叉验证。然后每次我在测试数据上运行它以进行预测。
有多个类。
预测输出具有这种格式。我有五个。
image,class1,confidence1,boundingbox1(xmin ymin xmax ymax),class2,confidence2,boundingbox2(xmin ymin xmax ymax),etc
a 0 0.3 1064 759 1325 1007 3 0.7 801 1176 1822 1597
b 3 0.3 1024 722 1549 1130
c 9 0.7 979 1028 1213 1348 7 0.8 637 1640 1497 1920
.
.
.
现在我想将这些组合成一个输出预测。
是否有关于如何执行此操作的通用方法? 有大佬知道怎么解决吗?
应该可以使用这个:
但是当同一图像有多个边界框时,我不知道该怎么做。
解决方法
进行交叉验证后,您必须在所有数据上训练 YOLO 以构建最终模型。
明确地说,k 折交叉验证的目的不是提出最终模型,而是测试您的模型能够通过给定的训练数据,并预测一个从未见过的数据。其目的是检查模型,而不是构建模型。
在 this answer 中的类似问题中可以找到更多详细信息。
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。