未获取 YOLO v3 模型的边界框

Question

我使用此 https://github.com/AntonMu/TrainYourOwnYOLO 实现了 YOLO v3 模型并训练了模型并获得了 1.05 的损失，但在测试期间，尽管如果我给模型一个经过训练的图像，它无法预测标签并且无法在其上绘制边界框。

所以我开始调试并找到了错误的根源：

out_boxes, out_scores, out_classes = self.sess.run(
[self.boxes, self.scores, self.classes],
feed_dict={
self.yolo_model.input: image_data,
self.input_image_shape: [image.size[1], image.size[0]],
K.learning_phase(): 0
},
)
print("out_boxes",out_boxes)      #prints [ ]
print("out_classes",out_classes)  # prints [ ]
print("out_scores",out_scores)    # prints [ ]
where:
self.boxes= Tensor("concat_11:0", shape=(?, 4), dtype=float32)
self.scores=Tensor("concat_12:0", shape=(?,), dtype=float32)
self.classes=Tensor("concat_13:0", shape=(?,), dtype=int32)

我在 168 个类上训练了 YOLO v3 模型，每个类有 36 张图像。

有人可以帮忙吗？？ self.box/self.scores/self.classes 有问题吗？ 如果他们没有问题，self.sess.run 有什么问题？

Answer 1

我也遇到了类似的问题，用更多的no：ofepochs训练模型可以解决这个问题。 我不确定为什么 YOLOv3 不为更少的 no：of epochs 生成边界框