问题标签 [yolo]

我在互联网上搜索过，但发现的信息很少，我不明白每个变量/值在 yolo 的.cfg文件中代表什么。所以我希望你们中的一些人能提供帮助，我不认为我是唯一一个遇到这个问题的人，所以如果有人知道 2 或 3 个变量，请发布它们，以便将来需要这些信息的人可以找到它们。

我想知道的主要是：

• 批

• 细分

• 衰变

• 势头

• 渠道

• 过滤器

• 激活

我在 1080 GPU（ubuntu 16.04）上运行 CUDA 9.0，我必须在 opencv 中处理四个不同的视频源。在 cuda 和 opencv 中进行多进程的最佳方法是什么？

我不习惯使用 TensorFlow 或 nn，所以如果我没有得到你们第一次说的话，请原谅我。

我目前正在尝试在我在互联网上获得的 yolo v1 代码中的每个卷积层之后添加一个批量归一化层。

下面的代码是我使用的批量标准化函数。

下面的代码是我正在使用的 yolov1 代码的结构

最后是我在 conv1 层之后放置一个 batchnorm 层后得到的错误，比如

是

经过几天的努力，我发现它与在检查点文件中恢复权重有关。而且因为我的 batchnorm 变量不在检查点文件中。但我不知道如何使我的代码工作。

我不知道锚框和边界框或提案区域之间的区别。我对这些定义感到困惑。而且我不知道检测模型中这些框的含义，因为默认长度永远不会改变！最后，我混淆了 RCNN 系列和 Yolo 系列都输出预测框位置的事实(x,y,w,h)。或者输出增量位置(ground truth_x - predicted_x)/prediction_w？

我从https://github.com/lovish1234/YOLOv1获得了 Yolo v1 代码（如果添加此链接有许可证问题，请联系我）

据我所知，与 Yolo v1 论文不同，该代码不包含 dropout。同样根据原始论文，他们在第一个连接层之后添加了一个 rate=0.5 的 dropout 层，以防止层之间的共同适应。

所以我将代码更改为

我期待一个积极的结果。但是添加 dropout 后的训练会降低它的功能。有些甚至没有显示框，而对于那些显示的框，框是错误的，并且信心较低。

我找不到我得到这些结果的原因。（我的猜测是经过训练的模型在某处包含 dropout，或者在预训练模型中添加 dropout 层会降低其功能。）

这是我必须做的一个重要项目。但我是 TensorFlow 的新手。如果这是一个简单的问题，请原谅我。另外，如果有人知道答案，请告诉我。谢谢你。

我试图更好地理解 YOLO2 & 3 算法的工作原理。该算法处理一系列卷积，直到它下降到一个13x13网格。然后它能够​​对每个网格单元内的对象以及这些对象的边界框进行分类。

如果您查看这张图片，您会看到红色的边界框比任何单个网格单元都大。边界框也以对象的中心为中心。

当网络激活基于单个网格单元时，我的问题是预测边界框如何超过网格单元的大小。我的意思是，对于预测在该单元格中检测到的对象的边界框的神经元来说，网格单元格之外的所有内容都应该是未知的。

更准确地说，这是我的问题：

1.算法如何预测比网格单元大的边界框？

2. 算法如何知道物体中心位于哪个单元格？

我正在研究 Yolo3-4-PY 以用 tkinter 实现它。

我到处查找，但无法解决问题。

当我运行程序时，画布会显示，但是当我单击开始视频（btton）时，我收到以下错误：

从 weights/yolov3.weights 加载权重...完成！/usr/local/lib/python3.5/dist-packages/PIL/ImageTk.py:119：FutureWarning：元素比较失败；而是返回标量，但如果模式不在 ["1", "L", "RGB", "RGBA"] 中，将来将执行元素比较：

我目前正在训练我的 YOLO 进行自定义对象检测训练命令运行成功，损失在 60 左右 @steps 145

但我无法在 chkp 文件夹中看到任何 chckpts。这正常吗，我要等吗？

所以我有一台笔记本电脑，它有GTX1050ti，cpu 是i7 7700hq，我很好奇我应该选择哪个版本，这样它才能适合我笔记本电脑的性能，而且YOLO可以预测图像还是只是实时检测？

I am working on implementing YOLO v2 and 3 for object detection on a custom dataset. While YOLO v2 and 3 use something like 5 or so anchor boxes, I generally have maybe 50-100 detections each image. My sense is that if there are only 5 anchor boxes, then there are at most 5 detections per image right? So I was trying to understand if I needed to adjust the number of anchor boxes to my dataset.

My questions is, does the number of anchor boxes need to be larger than the maximum count of bounding boxes in any training image? That way, I would never run into detections where there is no corresponding anchor box. Is that the right way of thinking about adapting YOLO?

If my intuition is correct then would I need to do k-means to cluster the bounding boxes in the ground truth images and set the anchor box coordinates. Then I would use the usual regression method as specified in this blog post.

Thanks for any help that anyone can provide.