为什么我的目标检测训练损失很低(<1)，但精度仍然为0？

文章/答案/技术大牛

发布

1回答

object-detection、object-detection-api、mobilenet

我正在使用colab训练一个目标检测模型，请检查colab。但是我发现损失很低，预感还是零，有什么问题吗？ ?

浏览 143提问于2020-07-21得票数 0

2回答

基于自定义数据的训练模型

python、tensorflow

我正尝试在自定义数据集上尝试对象检测模型。我想让它识别出我车库里的一块特殊金属。我拍了大约32张照片，并给它们贴上标签。训练进行得很顺利，但损失高达10%。在那之后它会变得非常慢，所以我需要停止它。在那之后，我在相机上实现了这个模型，但它没有准确性。会不会是因为我只有32张物体的图片？我已经尝试过YoloV2和更快的rcn.

浏览 0提问于2020-01-22得票数 1

2回答

像yolo这样的DL模型的损失函数的“好”值是什么？

machine-learning、neural-network、deep-learning、loss-function、yolo

我收集了大约1,500个标记数据并用yolo v3进行了训练，得到了~10的训练损失，验证损失~ 16。显然，我们可以使用真实的测试数据来评估模型的性能，但我想知道是否有一种方法来判断训练损失= 10是否是一个“好”的。或者，这是否表明我需要使用更多的训练数据来查看是否可以将其降低到5或更少？最终，我的

浏览 0提问于2018-06-28得票数 1

1回答

当目标是高斯标签时，最好的损失函数是什么？

keras、regression、object-detection、tensorflow2.0、loss-function

我有一个简单的CNN，输入如下目标是学习目标标签，并使用所学

浏览 3提问于2020-01-10得票数 1

1回答

验证损失较大，验证精度>学习精度，但测试精度较高。我的模特是不是太合适了？

optimization、deep-learning、conv-neural-network

我正在训练一个模型，使用作者最初的学习速率(我也使用他们的github )，我得到了一个不断振荡的验证损失，它会减少，然后突然跳到一个很大的值，然后再次下降，但从没有真正收敛到它得到的最低值是2(而训练损失收敛到0.0 -远低于1)。在每一个时代，我得到训练的准确性，在最后，验证的准确性。验证

浏览 0提问于2019-03-26得票数 9

回答已采纳

2回答

哪一种模型更好，一种在高精度超拟合之前，还是一种没有过拟合和低精度的模型？

machine-learning、cnn、accuracy、overfitting

我在训练CNN的模特。在第一次训练中，我在第5次训练中获得了87%(0.29损失)和87%(0.30损失)的训练精度，我连续训练了15次，正如预期的那样，它开始过度拟合，训练精度提高到97%(0.01损失)，验证保持在87%在第二个模型中，我使用了数据增强和Dropout层来

浏览 0提问于2020-07-27得票数 2

1回答

LSTM自动编码器在测试数据中产生较差的结果

keras、deep-learning、lstm、lstm-stateful

我正在应用LSTM自动编码器进行异常检测。由于与正常数据相比，异常数据非常少，因此仅使用正常实例进行训练。测试数据由异常实例和正常实例组成。在训练过程中，模型损失似乎很好。然而，在对数据进行测试时，该模型产生的准确性较差。也就是说，异常点和正常点没有很好地分开。.............X_test = X_test.reshape

浏览 3提问于2019-11-07得票数 0

1回答

对象检测API -评估在训练前结束(给出部分步长精度)

tensorflow、object-detection

我使用tensorflow对象检测api在我的500~图像数据集上训练SSD + mobilenet (eval图像=数据集的10% )。我使用gcloud运行训练和评估过程。训练过程花了7个小时，评估过程只花了45分钟。运行tensorflow显示了所有步骤(200K)的损失图，但精度(来自eval过程)仅高达45K步。为什么会这样呢？如何测量

浏览 7提问于2017-08-30得票数 1

2回答

Tensorflow训练模型速度

python、opencv、tensorflow、deep-learning、training-data

我是Tensorflow newby，我正在尝试训练一个1级的模型来进行目标检测。特别是，我试图识别如下箭头：我需要一个非常快的识别，所以我开始怀疑一个预先训练的模型是否可以包含这样的形状。不幸的是，没有发现任何类似的东西，为此，我开始了我自己的箭头训练，使用作为

浏览 0提问于2019-09-06得票数 0

回答已采纳

5回答

如何解释损失和准确性的增加

tensorflow、deep-learning、loss

我使用tensorflow运行了深度学习模型(CNN)。在这一时期，我多次观察到，损失和准确度都增加了，或者两者都减少了。我的理解是两者总是成反比关系。什么情况下两者同时增加或减少。

浏览 1提问于2016-12-01得票数 40

回答已采纳

1回答

Tensorflow对象检测API低损失低置信度-检查点不保存权重

tensorflow、object-detection、object-detection-api

几个月前，我使用efficientdet_d0_512x512对斯坦福大学的狗训练了一个自定义对象检测器，只成功地训练了两个类别的狗。在不更改代码的情况下，我再次尝试这样做，尽管训练过程中的损失很低，但模型的置信度得分非常低(<1%)。然后，我尝试使用初始训练后生成的

浏览 12提问于2020-09-15得票数 0

回答已采纳

1回答

丢失和准确-这些是合理的学习曲线吗？

machine-learning、neural-network、keras、classification、loss

我正在学习神经网络，我在Keras中构建了一个简单的神经网络，用于从UCI机器学习存储库中对虹膜数据集进行分类。我使用了一个包含8个隐藏节点的隐藏层网络。Adam优化器的学习速率为0.0005，运行时间为200个历代。在输出端采用软最大值，损耗作为交叉熵.我得到了以下学习曲线。正如你所看到的，精确性的学习曲线有很多平坦的区域，我不明白为什么</e

浏览 1提问于2017-12-14得票数 19

回答已采纳

2回答

截止点1处的随机森林

machine-learning、scikit-learn、random-forest

我正在为我的RF模型玩不同的决策截止值。当我选择1.0作为临界值时，我希望我的模型在检测阳性样本时具有很高的精度，但召回率很低。然而，scikit显示的精度和召回率为0，截止为1.0？为什么会这样呢？

浏览 30提问于2019-12-13得票数 0

回答已采纳

1回答

训练损失正在减少，但验证损失是重要的。如何避免过度拟合

machine-learning、deep-learning、computer-vision、hyperparameters、overfitting-underfitting

我想重新训练谷歌的mediapipe手部地标，以便进行更多关键点检测，但该模型仅在tflite格式下可用，无法重新训练。我创建了一个与mediapipe手模型相同的模型，并用我的自定义数据对其进行了训练，但面临着过度拟合的问题，我正在使用： RMSprop作为优化器 MSE (均方误差作为损失函数) 批量大小= 32初始学习率

浏览 20提问于2021-08-03得票数 0

1回答

选择tensorflow对象检测API训练超参数

tensorflow、object-detection

我正在建立一个基于最近发布的tensorflow对象检测API的对象检测管道。我正在使用作为指导。我希望了解下面的培训在我自己的数据集。目前尚不清楚他们如何选择学习速度时间表，以及根据可供培训的GPU数量变化如何。根据可供培训的GPU数量，培训率计划如何变化？文中提到了使用了9个GPU。如果我只想使用一个GPU，我应该如何改变培训率？使用更快的</e

浏览 2提问于2017-07-04得票数 8

1回答

可可关键点的损失与度量

keras、loss-function、metric

我正在使用Keras来训练COCO关键点数据集上的不同模型。我所使用的所有模型都用于图像分割，因此它们输出对应于标签的热图。所有的分割模型都采用二值交叉熵损失和精度度量.然而，我现在已经意识到，这些并不适合于keypoint检测，因为在256x256图像中，keypoint只有一个“1”标签。这使得损失达到0，准确度达到100%。对于关键点检测

浏览 0提问于2020-03-15得票数 1

1回答

为什么我的验证损失在上升，而我的验证准确性也在上升？

deep-learning、tensorflow

场景:我一直在为cifar10数据集训练CNN。我使用的是tensorflow，还有一个CNN，它有12个conv层和1个密集层，在softmax稠密层之前。我正在使用数据增强以及批处理规范化。在几百个历次之后，我对验证集的准确率最高达到92.73 %。验证损失略有上升，因为我训练更多。当验证损失增加时，验证的

浏览 0提问于2020-01-23得票数 3

回答已采纳

1回答

为什么在应用数据增强时，验证精度要高于训练精度？

machine-learning、deep-learning、keras

我正在研究Keras的图像分类问题。 steps_per_epoch=xtrain.shape[0]但是，在绘制训练精度和验证精度(以及<

浏览 1提问于2018-02-17得票数 6

回答已采纳

1回答

为什么过度安装的CNN模型会有更高的验证精度？

deep-learning、cross-validation、training

我目前正在通过使用cifar10图像来训练CNN模型(50000用于培训，另10000用于验证)。我绘制了训练损失、验证损失和训练迭代的准确性：我不确定什么时候该停止训练，应该在1250迭代前后停止训练吗？还是应该在迭代5000左右停止，因为我可以获得最大的验证精度？为什么被覆盖的模型可以有一个更高<em

浏览 0提问于2019-06-15得票数 5

回答已采纳

3回答

列车精度提高，列车损耗稳定，验证损失增加，验证精度低而增加

machine-learning、neural-network、pytorch、training-data、loss

我的神经网络在火把上的训练越来越快了。训练精度从80%开始并提高列车损耗减少并保持稳定验证精度从30%开始，但增长缓慢验证损失增加我要展示以下图

浏览 4提问于2020-04-21得票数 0

回答已采纳

点击加载更多