Darkflow: VOC2007 पर इसका परीक्षण करें और 60% एमएपी प्राप्त करें

यह टेंसरफ़्लो डेवलपर के लिए एक अच्छा काम है, और क्लाउड आप प्रोजेक्ट https://github.com/leetenki/YOLOv2 और https://github.com/hizhangp/yolo_tensorflow या https://github के अनुसार डार्कफ़्लो के कोड को ठीक करते हैं

@ ShawnDing1994 क्लाउड आप डार्कफ्लो के एमएपी की गणना के लिए अपना कोड योगदान करते हैं？

रेपो का निर्माण करते समय, मैं देखता हूं कि प्रत्येक ऑपरेशन के बाद मामूली संख्यात्मक अंतर होता है (उदाहरण के लिए TF में कनवल्शन 1e-4 या तो के भीतर डार्कनेट से अलग परिणाम उत्पन्न करता है), वे प्रत्येक परत के बाद प्रवर्धित हो जाते हैं और अंततः इस Tensorflow में (विनाशकारी) अवर mAP का परिणाम होता है। बंदरगाह। बहुत यकीन है कि इस रेपो में उच्च-स्तरीय कार्यान्वयन सही है (उचित पहचान), लेकिन निचले स्तर (टेन्सरफ़्लो में opKernels और डार्कनेट में C कार्यान्वयन) में तकनीकी बेमेल हो सकता है।

यह समझना महत्वपूर्ण है कि संख्यात्मक अंतर छोटा होने पर भी यह कितना गंभीर है (<1e-7)। डार्कनेट में प्रत्येक प्रशिक्षित परत टेंसरफ़्लो से प्राप्त परिणामों की तुलना में एक अलग परिणाम की अपेक्षा करती है, इस प्रकार अगली परत के लिए और भी बदतर परिणाम उत्पन्न करती है। जैसे-जैसे जाल गहरा होता जाता है यह त्रुटि जमा होती जाती है।

तो, डार्कनेट वेट से फाइन-ट्यूनिंग जो मैंने ऊपर वर्णित किया है उसका एक सस्ता और सीधा समाधान है। उम्मीद है की यह मदद करेगा।

@ ShawnDing1994 आपने