Darkflow: Uji di VOC2007 dan dapatkan 60% mAP

Dibuat pada 7 Apr 2017 · 4Komentar · Sumber: thtrieu/darkflow

Hai,

Kerja bagus!
Tetapi saya menulis beberapa kode untuk mengujinya pada set pengujian VOC2007 dengan konfigurasi '--model cfg/yolo-voc.cfg --load models/yolo-voc.weights' dan mendapatkan 60% mAP, sedangkan makalah YOLO 9000 melaporkan 78,6% .
Kemudian saya mengubah resolusi input di yolo-voc.cfg dari 416 416 menjadi 544 544 dan meningkatkan mAP sebesar 2%.
Saya juga menguji beberapa gambar dan membandingkannya dengan output dari darknet dan melihat perbedaan yang signifikan.
Saya menggunakan kode pengujian ini beberapa kali sebelumnya dan saya yakin mereka bebas bug.
Jadi saya pikir pasti ada beberapa bug ...

Terima kasih

help wanted

Sumber

ShawnDing1994

👍1

Komentar yang paling membantu

@ShawnDing1994 cloud Anda menyumbangkan kode Anda untuk menghitung mAP darkflow？

TaihuLight pada 17 Mei 2017

👍3

Semua 4 komentar

Ini adalah pekerjaan yang bagus untuk pengembang tensorflow, dan cloud Anda memperbaiki kode darkflow sesuai dengan proyek https://github.com/leetenki/YOLOv2 dan https://github.com/hizhangp/yolo_tensorflow atau https://github. com/gliese581gg/YOLO_tensorflow

TaihuLight pada 8 Apr 2017

❤1

@ShawnDing1994 cloud Anda menyumbangkan kode Anda untuk menghitung mAP darkflow？

TaihuLight pada 17 Mei 2017

👍3

Saat membangun repo, saya melihat perbedaan numerik kecil terjadi setelah setiap operasi (misalnya konvolusi dalam TF menghasilkan hasil yang berbeda dari Darknet dalam 1e-4 atau lebih), mereka diperkuat setelah setiap lapisan dan akhirnya menghasilkan (secara dahsyat) mAP yang lebih rendah di Tensorflow ini Pelabuhan. Cukup yakin implementasi tingkat tinggi dalam repo ini benar (deteksi masuk akal), tetapi tingkat yang lebih rendah (opKernels di Tensorflow dan implementasi C di Darknet) mungkin memiliki ketidakcocokan teknis.

Penting untuk memahami seberapa parah bahkan ketika perbedaan numerik kecil (<1e-7). Setiap lapisan terlatih di Darknet mengharapkan hasil yang berbeda dari yang diperolehnya dari Tensorflow, sehingga menghasilkan hasil yang lebih buruk untuk lapisan berikutnya. Kesalahan ini terakumulasi saat jaring semakin dalam.

Jadi, fine-tuning dari bobot Darknet adalah solusi murah dan langsung untuk apa yang saya jelaskan di atas. Semoga ini membantu.

thtrieu pada 19 Mei 2017

@ShawnDing1994 bagaimana Anda menerapkan mAP untuk darkflow, dapatkah Anda menyumbangkan kode Anda sehingga saya dapat menggunakannya? atau bisakah Anda membimbing saya tentang cara menerapkannya?