我弄了一個星期的yolov2，試著教導machine學會「辨識車牌」。
然而，得到的weights檔，跑出的結果，框了整個銀幕(即：亂框)。
我遇到的問題，和這個描述非常相近：
http://keep.01ue.com/?pi=960547&_a=crawl&_c=index&_m=p
想請問懂這部份的版友們，是否能提供意見呢？
另外，是否有已經養好的辨識車牌的weights檔、cfg檔能提供？(不妥會自刪)
若是有不方便在版上提的事宜，歡迎站內信給我。
謝謝各位熱心的版友。

有DataScience版

大概是寬跟高在轉換的時候比例搞錯了，仔細看程式碼檢查吧

調整iou和confidence的值

但是寬、高在框的時候，cfg檔裡的值是設一樣的：416應該沒有這個問題吧？請教樓上ck大：iou怎麼調？ 能否向您請教？confidence值，是不是下指令時，多下-threshold [value] ?如果是的話，我有試過，對於現象的解除或減緩，沒有幫助到。

yolo輸出有confidence跟probability,你應該少判斷了

Iou是重疊率cfg檔裡面有吧

改用yolov3. 精準度會好很多

是說有v3為何要用v2

Test1.Batch size 1的抗噪差如果顯卡夠，建議提高到16 2.寬高請照你的輸入影像大小設定，但要32的倍數 3. Learning rate設0.00001看看 4. Epoch設20看看5.如果車牌大小太小（約50*50以下）建議把寬高再往上調(darkflow會幫你resize）

怎麼不用v3, v3有針對小物件辨識進行優化

因為被分配的硬體資源不夠。 只能先用v2 tiny的來跑

你用darknet的code做訓練?cfg,weight用darknet預設的?訓練又是用哪個dataset?(VOC還COCO?)

訓練的時候，樣本不能是整張都是樣本(即框幾乎是全部範圍)，這樣他只會學到以後就框全部就好啦，我之前犯的錯@@

V3 我之前用colab訓練,pre-trained用darknet都有一定效果,雖然收斂要很久

硬體資源不夠是哪部分？ 調一下batch_size跟subdivision看看

V3也有tiny啊～

樓上vi大，我的cfg有調過,weight檔是餵我自己的圖檔養出來的用VOC來訓練樓上johnp大，明白，不會框整張圖。感謝您的提醒！樓上you8大，硬體資源不夠是指沒有GPU，有調batcj和subdiv了調成batch=16、subdivisions=16

為什麼不用些比較好deploy的框架呢 例如tensorflowhttps://github.com/stevefielding/tensorflow-anpr

沒有GPU還 Train 深度學習.....建議你用colab有免費的GPU

confidence threshold 跟NMS有做?

可以檢查一下原本的weighting對應的input images有沒有做normalisation (0~1或-1~1) 跟你的data normalization有沒有相同