Darkflow: Teste-o no VOC2007 e obtenha 60% mAP

Criado em 7 abr. 2017 · 4Comentários · Fonte: thtrieu/darkflow

Oi,

Bom trabalho!
Mas eu escrevi alguns códigos para testá-lo no conjunto de testes VOC2007 com a configuração '--model cfg / yolo-voc.cfg --load models / yolo-voc.weights' e obtive 60% mAP, enquanto o papel YOLO 9000 relatou 78,6% .
Em seguida, alterei a resolução de entrada no yolo-voc.cfg de 416 416 para 544 544 e melhorei o mAP em 2%.
Também testei algumas imagens e as comparei com as saídas da darknet e vi diferenças significativas.
Eu usei esses códigos de teste algumas vezes antes e tenho certeza de que eles estão livres de erros.
Então eu acho que deve haver alguns bugs ...

Obrigado

help wanted

Fonte

ShawnDing1994

👍1

Comentários muito úteis

@ ShawnDing1994 cloud você contribui com seu código para computar mAP of darkflow？

TaihuLight em 17 mai. 2017

👍3

Todos 4 comentários

Este é um bom trabalho para o desenvolvedor tensorflow, e nuvem você corrige o código do darkflow de acordo com o projeto https://github.com/leetenki/YOLOv2 e https://github.com/hizhangp/yolo_tensorflow ou https: // github. com / gliese581gg / YOLO_tensorflow

TaihuLight em 8 abr. 2017

❤1

@ ShawnDing1994 cloud você contribui com seu código para computar mAP of darkflow？

TaihuLight em 17 mai. 2017

👍3

Ao construir o repo, vejo pequenas diferenças numéricas acontecerem após cada operação (por exemplo, a convolução em TF produz um resultado diferente de Darknet dentro de 1e-4 ou mais), eles são amplificados após cada camada e, eventualmente, resulta em (catastroficamente) mAP inferior neste Tensorflow porta. Tenho certeza de que a implementação de alto nível neste repo está correta (detecção razoável), mas o nível inferior (opKernels no Tensorflow e implementação C no Darknet) pode ter incompatibilidade técnica.

É importante entender o quão grave é, mesmo quando a diferença numérica é pequena (<1e-7). Cada camada treinada em Darknet espera um resultado diferente do que obtém do Tensorflow, produzindo um resultado ainda pior para a próxima camada. Este erro se acumula conforme a rede se aprofunda.

Portanto, o ajuste fino dos pesos Darknet é uma solução barata e direta para o que descrevi acima. Espero que isto ajude.

thtrieu em 19 mai. 2017

@ ShawnDing1994 como você implementou o mAP para darkflow, você poderia contribuir com seu código para que eu possa usá-lo? ou você poderia me orientar sobre como implementá-lo?