如何训练我的模型以围绕图像中显示的文本绘制边界框？

Question

我正在尝试在图像周围绘制bounding_box。我有一个不同的模型来预测检测到的文本类别。 yolo实现在任何地方都基于包围盒+类预测。因此，他们定义的损失函数是类别预测，置信度和给定类别的概率的损失。我只希望仅根据边界框定义损失函数。请建议我该怎么做，或者建议我阅读一些文章。

Answer 1

  

因此，他们定义的损失函数对于类别预测是损失，   置信度和给定类别的概率。

实际上YOLO的损失函数包括

1. 分类损失
2. 本地化损失（预测边界框和地面实况之间的误差）
3. 置信度损失（盒子的客观性）。

https://medium.com/@jonathan_hui/real-time-object-detection-with-yolo-yolov2-28b1b93e2088

如果您正在寻找仅用于边界框的精度，那么您想要的称为 mAP（平均平均精度）。为了能够了解如何计算mAP，新手将需要一些时间来进行对象检测，因此，我将为以后的研究https://medium.com/@jonathan_hui/map-mean-average-precision-for-object-detection-45c121a31173放置一些很好的链接。

如果要在训练期间可视化YOLO模型的mAP，可以使用AlexeyAB https://github.com/AlexeyAB/darknet创建的这个流行的github存储库。

例如，您可以通过输入-map标记来训练模型：

./darknet detector train data/obj.data yolo-obj.cfg darknet53.conv.74 -map 

将生成以下图表，红线表示mAP，蓝线表示训练后模型的平均损失。

最后，在训练后，您可以检查最适合自己的体重（检查mAP值）

./darknet detector map data/obj.data yolo-obj.cfg backup\yolo-obj_7000.weights

此存储库的作者将所有内容都写在他的github存储库上，因此请花一些时间阅读所需的所有步骤。

其他信息
对于当前项目，我也做与您相同的事情。我仅使用YOLO来检测对象并绘制边界框。但是对于分类，我使用了另一个CNN模型。