python - YOLO V3 不能很好地从数据中学习
问题描述
我尝试在签名数据集上训练 YOLO V3，但经过 2000 次迭代后训练的模型无法产生任何检测。
该数据集由大约 5000 张带有签名的图像组成。文档页面是黑白的。由于页面是由我通过在页面上放置签名生成的，因此图像被准确标记。
我使用了 YOLOv3 默认架构，但从头开始训练。我尝试使用darknet53.conv.74并对其进行微调，但没有成功，我认为这是因为网络是针对照片数据进行训练的，而我拥有的数据是文档。从头开始训练，我在一台 GPU AWS 机器上训练了 2000 次迭代。在训练期间，输出如下：
它来自：
2: 3249.269043, 3238.557373 avg, 0.000000 rate, 10.226817 seconds, 128 images Loaded: 0.000073 seconds
至：
2032: 0.667013, 0.644689 avg, 0.001000 rate, 22.906654 seconds, 130048 images Loaded: 0.000103 seconds
因此，训练损失显着减少，并且至少在几百次迭代中一直徘徊在 0.6 左右。
我不能 100% 确定的唯一部分是如何开始训练过程，我使用下面的代码来训练它。
./darknet detector train params/darknet.data params/darknet-yolov3.cfg
darknet.data如下：
classes = 1
train = ./params/data_train.txt
valid = ./params/data_test.txt
names = ./params/classes.names
backup = ./params/weights/
和darknet-yolov3.cfg完全相同yolov3.cfg。
我尝试使用带有签名的几个不同图像来测试模型，它们是相当简单的案例。但是经过训练的模型未能在所有这些测试图像中检测到任何特征。
如果有人对我应该做什么/测试有任何建议，将不胜感激！谢谢！