借着这篇，想向版友们请益： 我弄了一个星期的yolov2，试着教会machine辫识车牌。 然而，得到的weights档，跑出的结果，框了整个银幕(即：乱框)。 我遇到的问题，和这个描述非常相近： http://keep.01ue.com/?pi=960547&_a=crawl&_c=index&_m=p 想请问懂这部份的版友们，是否能提供意见呢？ 另外，是否有已经养好的辨识车牌的weights档、cfg档能提供，我想试试？(不妥会自删) 若是有不方便在版上提的事宜，欢迎站内信给我。 谢谢各位热心的版友。 ※ 引述《ching0629 (Syameroke)》之铭言： : 我觉得可能很多人并不懂卷积网路的基本概念，举例来说，原始yolo可以接受的input size应该是32的倍数，而不是13的倍数... : 卷积网路在运算过程中经常会有pooling(或是现在比较喜欢用步辐为2的卷积器)做下采样，原则上yolo所提出的概念是使用任意结构的网路皆可以进行目标检测，而他厉害的地方是它订出了一个output结构让网路可以根据这个output来进行目标检测 : 在讲yolo2之前我们先讲yolo，原始yolo版本的输出是对最後一层的每个像素(也就是前面一直提到的13*13，但原始yolo的output是7*7)做一次预测，而预测内容包含： : 1. 2个最有可能的物件框，参数包含 : (1) 0~1的机率描述是否存在非背景物体 : (2) 物件框的相对x座标(以该范围的百分比定义) : (3) 物件框的相对y座标(以该范围的百分比定义) : (4) 物件框的相对宽度 (以n倍的原始范围定义，如一个最终终像素在yolo中对应的是32*32个原始像素，所以这个数字为2代表对应到原来64的范围) : (5) 物件框的相对长度 : 以上共有10个output。 : 2. 可能的类别数，描述这个框所框到的东西是甚麽，一样输出0~1之间的机率(一般後面这些output会经过softmax) : 有了这个概念後，假定有一个32*32的输入图像，这样最终特徵图就是1*1，那yolo就是输出2个可能的方框供人参考，而假设原始输入图像是320*320，那就会输出200个可能的方框 : 而yolo2和yolo的差别在，yolo是使用像素作为预测，如果有一个物件他大小接近整张图，这样一个32*32的范围会预测的好也是满奇怪的，所以精准度不够，因此yolo2先使用一些clustering的方式先找出训练集的方框大概都在哪，然後制定出ROI，并进行ROI pooling再做预测。除此之外，作者在训练yolo2时，为了让他能适应各种大小的物件，因此每10代会将所有图片及相对应的label调整为一个任意32的倍数，用这种类似data augmentation训练网路。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 60.248.187.109 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1562241605.A.FF7.html