我训练YoloV3进行对象检测。 我训练达到平均召回率：批次中所有图像几乎为 1.0，平均 IOU 高于 0.9。 但是，当我使用未包含在训练中的图像(但它们与训练后的图像非常相似(进行测试时，检测阈值需要设置为 0.1。 但是使用训练中使用的图像进行测试，它们的检测率阈值可以设置为0.7。 在训练中可能出了什么问题或我需要改变什么？ 我用于训练的 cfg 是
[net]
# Testing
#batch=1
#subdivisions=1
# Training
batch=16
subdivisions=8
height=416
width=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1
learning_rate=0.001
burn_in=1000
max_batches = 20000
policy=steps
steps=5000,10000
scales=.1,.1
[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky
[maxpool]
size=2
stride=2
[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky
[maxpool]
size=2
stride=2
[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=64
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky
[maxpool]
size=2
stride=2
[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky
[maxpool]
size=2
stride=2
[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky
[maxpool]
size=2
stride=2
[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky
#######
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky
[route]
layers=-9
[convolutional]
batch_normalize=1
size=1
stride=1
pad=1
filters=64
activation=leaky
[reorg]
stride=2
[route]
layers=-1,-4
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky
[convolutional]
size=1
stride=1
pad=1
filters=30
activation=linear
[region]
anchors = 2.00,1.24, 2.75,0.93, 2.84,1.75, 3.72,1.21, 4.63,1.59
bias_match=1
classes=1
coords=4
num=5
softmax=1
jitter=.3
rescore=1
object_scale=5
noobject_scale=1
class_scale=1
coord_scale=1
absolute=1
thresh = .6
random=1
我在将 Yolo 用于非方形图像时遇到了这样的问题。是你的情况吗？ 在训练阶段，Yolo 将图像大小调整为所需的大小(即网络中的 416x416(：https://github.com/pjreddie/darknet/blob/master/src/data.c#L971 但在测试阶段，它会调整图像保留纵横比的大小，并为图像添加所需的边框：https://github.com/pjreddie/darknet/blob/master/examples/detector.c#L587(下面注释了具有哑大小调整大小的替代代码行(。当然，如果输入图像不是方形的，它们似乎与训练:)完全不同 我使用 https://github.com/AlexeyAB/darknet 叉，这个问题最近在那里得到了修复(https://github.com/AlexeyAB/darknet/commit/efaf684cb20b996db0cd6d99d20fabb4bc26859a(。但似乎，原来的Yolo仍然拥有它。 附言。虽然 Yolo 是一个很棒的工具，但它的代码有很多这样的东西，使用它时最好查看源代码和调试器:)
取消注释批处理 = 1 和细分 = 1 并注释最后一行：
# Testing
#batch=1
#subdivisions=1
# Training
batch=16
subdivisions=8