Я пытаюсь нарисовать bounding_box вокруг изображения. У меня есть другая модель для предсказания класса обнаруженного текста. Везде реализация yolo основана на ограничивающем прямоугольнике + предсказании класса. Таким образом, функция потерь, которую они определили, представляет собой потерю для предсказания класса, уверенности и вероятности данного класса. Я просто хочу, чтобы моя функция потерь определялась только в терминах ограничивающего прямоугольника. Пожалуйста, подскажите мне, как это сделать, или предложите мне прочитать несколько статей.
Как научить мою модель рисовать ограничивающую рамку вокруг текста, присутствующего на изображении?
Ответы (1)
Таким образом, функция потерь, которую они определили, представляет собой потерю для предсказания класса, уверенности и вероятности данного класса.
Собственно функция потерь YOLO состоит из
- потеря классификации
- потеря локализации (ошибки между прогнозируемой рамкой границы и наземной истиной)
- потеря уверенности (объектность коробки).
https://medium.com/@jonathan_hui/real-time-object-detection-with-yolo-yolov2-28b1b93e2088
Если вам нужна точность только для ограничивающей рамки, то то, что вам нужно, называется mAP (средняя точность). Чтобы понять, как рассчитывается mAP, новичку в обнаружении объектов потребуется некоторое время, поэтому я просто поставлю хорошую ссылку для дальнейшего изучения https://medium.com/@jonathan_hui/map-mean-средняя-точность-для-обнаружения-объекта-45c121a31173.
Если вы хотите визуализировать MAP для своей модели YOLO во время обучения, вы можете использовать этот популярный репозиторий github, созданный AlexeyAB https://github.com/AlexeyAB/darknet.
Например, вы можете обучить свою модель, введя флаг -map
следующим образом:
./darknet detector train data/obj.data yolo-obj.cfg darknet53.conv.74 -map
Будет сгенерирована диаграмма ниже: красная линия указывает карту, а синяя линия указывает среднюю потерю вашей обученной модели.
Наконец, после тренировки вы можете проверить, какие веса лучше всего подходят для вас (проверка значения mAP)
./darknet detector map data/obj.data yolo-obj.cfg backup\yolo-obj_7000.weights
Автор этого репо пишет все в своем репозитории на github, поэтому, пожалуйста, найдите время, чтобы прочитать все шаги, которые вам нужны.
Дополнительная информация
Я делаю то же самое, что и вы, для моего текущего проекта. Я использую YOLO только для обнаружения объекта и рисования ограничивающего прямоугольника. Но для классификации я использую другую модель CNN.