我弄了一个星期的yolov2，试着教导machine学会“辨识车牌”。
然而，得到的weights档，跑出的结果，框了整个银幕(即：乱框)。
我遇到的问题，和这个描述非常相近：
http://keep.01ue.com/?pi=960547&_a=crawl&_c=index&_m=p
想请问懂这部份的版友们，是否能提供意见呢？
另外，是否有已经养好的辨识车牌的weights档、cfg档能提供？(不妥会自删)
若是有不方便在版上提的事宜，欢迎站内信给我。
谢谢各位热心的版友。

有DataScience版

大概是宽跟高在转换的时候比例搞错了，仔细看程式码检查吧

调整iou和confidence的值

但是宽、高在框的时候，cfg档里的值是设一样的：416应该没有这个问题吧？请教楼上ck大：iou怎么调？ 能否向您请教？confidence值，是不是下指令时，多下-threshold [value] ?如果是的话，我有试过，对于现象的解除或减缓，没有帮助到。

yolo输出有confidence跟probability,你应该少判断了

Iou是重叠率cfg档里面有吧

改用yolov3. 精准度会好很多

是说有v3为何要用v2

Test1.Batch size 1的抗噪差如果显卡够，建议提高到16 2.宽高请照你的输入影像大小设定，但要32的倍数 3. Learning rate设0.00001看看 4. Epoch设20看看5.如果车牌大小太小（约50*50以下）建议把宽高再往上调(darkflow会帮你resize）

怎么不用v3, v3有针对小物件辨识进行优化

因为被分配的硬件资源不够。 只能先用v2 tiny的来跑

你用darknet的code做训练?cfg,weight用darknet默认的?训练又是用哪个dataset?(VOC还COCO?)

训练的时候，样本不能是整张都是样本(即框几乎是全部范围)，这样他只会学到以后就框全部就好啦，我之前犯的错@@

V3 我之前用colab训练,pre-trained用darknet都有一定效果,虽然收敛要很久

硬件资源不够是哪部分？ 调一下batch_size跟subdivision看看

V3也有tiny啊～

楼上vi大，我的cfg有调过,weight档是喂我自己的图档养出来的用VOC来训练楼上johnp大，明白，不会框整张图。感谢您的提醒！楼上you8大，硬件资源不够是指没有GPU，有调batcj和subdiv了调成batch=16、subdivisions=16

为什么不用些比较好deploy的框架呢 例如tensorflowhttps://github.com/stevefielding/tensorflow-anpr

没有GPU还 Train 深度学习.....建议你用colab有免费的GPU

confidence threshold 跟NMS有做?

可以检查一下原本的weighting对应的input images有没有做normalisation (0~1或-1~1) 跟你的data normalization有没有相同