Ostnie
Ostnie
@leviome 你好，我也在重新训练VOC2012想看看他的效果和论文相差是多少，目前我有几个问题. 1.我的GPU用的1080Ti单卡，内存11G，最大的batch size只有8，不知道你训练的时候显卡和bs是什么？ 2.最后的loss只能降低到22左右，即使是在验证集本身表现也非常糟糕，还在找问题，不知道您训练的时候loss最低可以降低到多少。 3.关于得到map，我目前用的一个方法感觉很笨重，不知道您能否分享一下测map的脚本，以及说一下我们需要准备什么样的txt'文件。
@leviome 非常感谢你的回复，对的，我想要的就是一个你所描述的功能的脚本，不知道可否分享一下，我在网上搜了很久，找到的教程都涉及到darknet框架以及作者的源文件，我的邮箱是[email protected]之前给您发过邮件问过问题，不过没有回我，在这里您解答了已经不需要回复了。 想起来还有个问题，我在他的loss计算里没有看到加权的内容，是我没有找到还是这个版本的就是没有加权。 最后问一下，您不重新训练模型，那意味着您所想检测的东西就是原模型曾经检测过的分类是吗？还是这个可以直接迁移到另一类？
@Bjj123 看到你的问题我忽然想起来，cfg文件除了再将darknet模型转化为h5时用了一下，其他时候就没用了把？我没看到其他train的文件有使用cfg，顺便可以告诉我你的显存大小和使用的batchsize吗？
@jinbooooom 就是这么大，你这个已经比我的小了，我在voc 2012只能降到22，以及，可以告诉我一下你的batchsize和显卡吗？以及有没有改其他可能影响显存的参数。 顺便说一句，你是叫jinbo吗？和我同名，刚才邮箱通知我吓我一跳我以为穿越了
@jinbooooom 我训练5700张voc 2012一个epochs需要330s，bs以及显卡和你一样，不知道什么导致了你的效果从速度和精度上都更好，
@ll1214 做出这个改动你不知道怎么办说明你没有仔细研究论文的做法，这样的改动需要同时修改anchor数量等一系列小改动，你可以仔细读一下程序，同时我不建议你这么做，因为会使速度下降可能三倍左右，那样你不如用faster——RCNN
@luzhibo 按说不同大小的图片进入网络前都被resize相同大小了，如果你不修改这个resize大小应该是不会带来明显速度变化的，但是的确是带来了明显变化的，是吗？那么谁知道原因？是resize的时候花费了更多时间，还是别有因素
[removed by patrikhuber - unrelated post]
@Liu-Yicheng 加了你的qq，还没有通过呢，希望能向你学习
@JackZiLong 不得不说你读的非常细，你的回答很好地解决了我的问题，感谢 我在一个阐述RCNN问题的博客看到这样一句话：20类即20个Bounding-box 回归器训练，每一类需要一个独立的回归器训练吗？我在作者的代码中看到的只是训练了一个回归器，这一块的矛盾问题出在哪里？ 下一步我打算接着看fast rcnn，希望能继续和你一起讨论学习，同时我想问个题外话，就是你是否有看到过比较好的RCNN的keras实现，我现在希望变看代码边看论文学习，多版本的代码更有助于我自己在实现时候的学习