一类COCO数据集上的Yolov3

Question

我想比较可以检测多个类别的yolov3模型与只能检测一个类别的yolov3模型的性能。

我到目前为止所做的事情：

• 为了进行比较，我使用了在COCO数据集上预先训练的yolov3模型。 因此，我使用此处提到的yolov3.cfg coco.data和yolov3.weights文件：https://pjreddie.com/darknet/yolo/
• 然后，我从COCO网站上下载了特定班级的火车和val数据。班级人员约有6400张火车图像和约2600个验证数据，班椅上有〜12744张火车图像和〜580个验证图像。
• 对于一类模型，我在相应的行（＃classes = 1和＃filters = 18）中修改了yolov3.cfg
• 然后，我根据预先训练的权重文件：darknet53.conv.74
为每个人和椅子训练了一个yolov3模型。

培训

• 我已经为班级人员训练了大约 267100 批次的模型。 （AVG-LOSS：1.3）
• 我已经为 51200 批次的班级椅子进行了模型训练。 （AVG-LOSS：1.0）

验证

• 我已使用下载的验证图像来计算map-value / ap-value。我是通过致电darknet detector map model.data model.cfg model.best.weights
来完成此操作的

班级成员

• 当我使用默认的coco模型（可以检测80个类）时，我得到：

  class_id = 0, name = person, ap = 76.56%, (TP=7684, FP=3982)

• 经过训练的一类模型可以实现：

  class_id = 0, name = person, ap = 66.63%, (TP=6515, FP=2259)

班主任

• 当我使用默认的coco模型（可以检测80个类）时，我得到：

  class_id = 0, name = person, ap = 60.58%, (TP=880, FP=504)

• 经过训练的一类模型可以实现：

  class_id = 0, name = person, ap = 38.59%, (TP=482, FP=232)

问题

1. 为什么训练期间的平均损失仍高于1.0？看来该功能已经收敛，并且我已经超出了每类约2000批的经验法则。

2. 数据量不足以仅训练一个班级吗？特别是当我对转换层使用预训练权重时？

3. 平均精度（ap）值是否现实？一类模型的表现比所有80种模型都训练的模型差吗？如果不是，那么一类模型的精度变差的原因可能是什么？

4. 如果是的话，这是因为如果我们在所有课程中进行培训，我们真的可以学习各个课程之间的差异，并且结果是仅学习一门课程就能获得更好的成绩？

   < / li>

班椅的火车图片

班级人的火车图片