YOLO：过拟合或欠拟合，增加批次还是增加样本图像池？

Question

我正在尝试训练我的yolo模型，以识别灭火器并将其标记为“消防安全”。目前是我得到了过拟合图像还是欠拟合图像（请参见下文）。

我带有注释的样本图像大小约为1500

宽度= 608和高度= 608的yolo-new.cfg配置

我已经使用以下命令进行了训练：

  

python流--model cfg / yolo-new.cfg --labels one_label.txt --train   --trainer adam-数据集“ C：// Users // G // Desktop // Development // ML // YOLO // BBox-Label-Tool // Images // 002”   -注释“ C：// Users // G // Desktop // Development // ML // YOLO // BBox-Label-Tool // AnnotationsXML // 002”   -第4批--gpu 0.8

因此，经过13000步：

所以我去验证我的结果，这就是我得到的（检查点13000）：

所以也许我认为这可能是严重过度拟合的情况，所以我遍历检查点以查看哪个拟合最合适。

这是我使用检查点6500所获得的

这就是我使用检查点6000的结果

这是我使用检查点5500所得到的

因此，如您所见，在我看来，检查点6000是最好的结果，但还不够好。我该如何改善？增加批处理大小？（我的GPU 1070Ti无法处理。由于内存不足而导致Cuda）有什么解决办法吗？

Answer 1

使用Yolov3训练我的图像集解决了我的问题。 https://github.com/AlexeyAB/darknet

要注意的一件事是在注释过程中不要留任何空白，这也许是检测未按计划进行的原因之一。