我目前正在使用Tensorflow和Keras编写的pjreddie.com的定制版YOLO v2。我已经成功地让模型开始并完成了超过100个时期的训练，包括10000个训练图像和2400个测试图像，我随机生成了相关的JSON文件，所有这些都在一些带有CUDA的Titan X gpus上。我只希望发现两个班级。然而，在离开训练后，损失函数减少但测试精度徘徊在3％以下。所有图像似乎都转换为黑白图像。在使用训练数据时，该模型似乎在其中一个类别上合理地执行，因此模型看起来过度拟合。我可以对代码做些什么来使模型变得准确？
好吧，事实证明YOLOv2在看不见的数据上表现非常好，只是看不见的数据必须与它训练的数据大小相同。如果Yolo已经在400x400和300x400图像上进行了训练，请不要为Yolo提供800x800图像。此外，Keras精度测量对于检测而言毫无意义。它可能说2％的准确度，实际上是检测所有对象。传递相同大小的看不见的数据解决了这个问题。