yanghedada

@1451595897, 你好， 1. 你可以查看FPN_TensorFlow-master_old\data\io\convert_data_to_tfrecord.py 的# line 74 ``` gtbox_label = np.transpose(np.stack([ymin, xmin, ymax, xmax, label], axis=0)) # [ymin, xmin, ymax, xmax, label] ``` 的[ymin, xmin, ymax, xmax, label]顺序。 2. 是否使用预训练的参数？没有使用预训练参数，可能会出现loss==nan。

这两个文件就是用eva.py生成的文件。你可以查看 https://www.jianshu.com/p/6e5f7925f207

谢谢提醒，感谢分享@yangxue0827 我遇到一个新的问题：改了评分的函数之后，这里的分数就变了。 这是新版的评分：  这是旧版的评分：  这是faster rcnn输出的坐标，这里有问题吗？？： ``` ymin, xmin, ymax, xmax = _fast_rcnn_decode_boxes[:, 0], _fast_rcnn_decode_boxes[:, 1], \ _fast_rcnn_decode_boxes[:, 2], _fast_rcnn_decode_boxes[:, 3] ``` 修改之后的代码如下： ``` #!/usr/bin/python # -*- coding:...

谢谢指点，感谢你分享。@yangxue0827 在进行评估的时候is_training=False应该就是test集数据了。 我上次修改的时候忽略了图片的预处理。现在修改如下： ``` _img_name_batch, _img_batch, _gtboxes_and_label_batch, _fast_rcnn_decode_boxes, \ _fast_rcnn_score, _detection_category \ = sess.run([img_name_batch, img_batch, gtboxes_and_label_batch, fast_rcnn_decode_boxes, fast_rcnn_score, detection_category]) end = time.time() raw_img = cv2.imread(os.path.join(args.eval_imgs, _img_name_batch[0].decode('utf-8','ignore'))) raw_h, raw_w = raw_img.shape[0],...

谢谢作者指导，感谢作者提供这么流畅的代码。@yangxue0827 我的训练结果有点雷人。可能是我得训练方式不对。 我只针对airplane进行训练，但是这里的结果不是很优美。如下： 我在voc_eval.py添加了一个参数FAST_RCNN_IOU_MAP。  当FAST_RCNN_IOU_MAP=.01，会给一个安慰结果。  当FAST_RCNN_IOU_MAP=.5，无语了  预测图：  我的config：  这里会不会还有其他问题？： ``` #!/usr/bin/python # -*- coding: utf-8 -*- from __future__ import absolute_import, division, print_function import argparse import...

谢谢作者解答。@yangxue0827 你好，我用了你的faster rcnn，但是我的mAP效果不佳。。。。 FAST_LOSS：  RPN_LOSS：  # 在voc_242002model.ckpt： ``` cls : aeroplane|| Recall: 0.7380952380952381 || Precison: 0.0023791250959324635|| AP: 0.6294789028578562 ____________________ cls : bicycle|| Recall: 0.8823529411764706 || Precison: 0.0011015642211940956|| AP:...

就是按照感受野大小设定的。＠lilmangolil

你好@lilmangolil。有一些代码是从[点这里](https://github.com/DetectionTeamUCAS/Faster-RCNN_Tensorflow)拷的。但我建议使用[DetectionTeamUCAS/FPN_Tensorflow](https://github.com/DetectionTeamUCAS/FPN_Tensorflow)的代码，这是最完整的代码，两者的项目代码风格不一样。而且，训练出来的模型的mAP的准确度和提交在VOC服务器上mAP相差不大，在1~10%以内。感谢作者的代码。

差不多吧@yangxue0827。在2007上测试为80%，提交一个2012的结果为74%

2007我是在电脑上测试的4952张图片80%。我只提交了2012的数据，2007没看到提交选项。@yangxue0827