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（如下所示）。
带注释的样本图像大小约为1500
yolo-new.cfg配置，宽度= 608和高度= 608
我已经使用以下命令进行了训练：
python flow --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：
因此，我去验证了我的结果，这就是我所得到的（检查点13000）：
因此，也许我认为这可能是严重过度拟合的情况，因此我遍历检查点以查看哪个拟合最合适。
这就是我使用检查点6500所得到的
这就是我使用检查点6000所得到的
这就是我使用检查点5500所得到的
因此，如您所见，在我的情况下，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。由于内存不足而发生CUDA）有什么解决方法吗？
最佳答案
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期间不要留任何空白，这可能是检测未按计划进行的原因之一。
关于python - YOLO:过度拟合或欠拟合，增加批次还是增加 sample 图像池？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/57792085/