关于拿自己的数据进行训练却出不了预测框

[yan4821567]

您好，代码我顺利运行了，检测动漫人脸的效果很好，然后想把它用在检测浣熊上，觉得都是单目标检测，应该没多少需要改变的
我采用了这个数据集：https://github.com/datitran/raccoon_dataset
然后把图像和标签分别放到images和annotations下，运行了kmeans.py生成相应的anchors，存入infos/anchors.txt，将infos/classes.txt的内容改成raccoon
运行prepare.py将数据集进行划分，在infos文件夹下生成几个txt文件
其他基本就没有改动了 直接运行train.py，50轮迭代后loss降到18，应该属于还行的程度了
但调用yolo.detect_image()后却出不了框，所有的测试集都没有框，没有报错内容

基本的文件组织方式都是模仿这个项目的，哪个文件夹下放哪些文件都是模仿的，数据集复杂程度也差不多，都是单目标检测，但最后出不了效果，请问我在模仿时是漏关注什么地方了吗？

[yan4821567]

觉得可能是训练步数不够 于是学习率不变 epochs调成100 batch_size = 2，50步后loss和val_loss都降到18，100步后Loss和val_loss降到16左右，感觉loss已经到极限了，然而测试后还只有少部分图片能正常预测出框

[wmylxmj]

训练步数太少，100次是绝对不够的。目标检测需要对置信度，边界框坐标，边界框长宽，物体类别等多种信息进行拟合。首先不出框，说明置信度与物体类别的预测没有很好的拟合。YOLOv3会计算置信度与物体类别概率（单类别为1）的乘积作为边界框的Score，如果Score低的话是不出框的。我这边训练动漫人脸的时候，loss是可以降到6左右的，16的损失还是很高的（因为单类别检测没有类别损失）。可以调整学习率，多迭代几次试试。然后改类别，先验框的话直接改prepare.py里的全局变量（运行的话会覆盖之前的类别，先验框信息的）。

[yan4821567]

感谢回复 我再试几次

[xxllp]

为啥我loss 已经是6了 结果还是 0 boxes 呢

[MapleLeafInAutumn]

为啥loss值降不下去？

[MapleLeafInAutumn]

降到20多就不下降了，用的是动漫数据集。

[ppx-hub]

觉得可能是训练步数不够 于是学习率不变 epochs调成100 batch_size = 2，50步后loss和val_loss都降到18，100步后Loss和val_loss降到16左右，感觉loss已经到极限了，然而测试后还只有少部分图片能正常预测出框

您好，代码我顺利运行了，检测动漫人脸的效果很好，然后想把它用在检测浣熊上，觉得都是单目标检测，应该没多少需要改变的
我采用了这个数据集：https://github.com/datitran/raccoon_dataset
然后把图像和标签分别放到images和annotations下，运行了kmeans.py生成相应的anchors，存入infos/anchors.txt，将infos/classes.txt的内容改成raccoon
运行prepare.py将数据集进行划分，在infos文件夹下生成几个txt文件
其他基本就没有改动了 直接运行train.py，50轮迭代后loss降到18，应该属于还行的程度了
但调用yolo.detect_image()后却出不了框，所有的测试集都没有框，没有报错内容

基本的文件组织方式都是模仿这个项目的，哪个文件夹下放哪些文件都是模仿的，数据集复杂程度也差不多，都是单目标检测，但最后出不了效果，请问我在模仿时是漏关注什么地方了吗？

您好，请问kmeans.py生成相应的anchors，就是说源程序的anchors需要修改是吗，如果是的话这个kmeans.py在哪里呢