Darknet/Yolov4目标检测训练后单物体被重复检测两次的问题解决咨询

我之前在Darknet框架下训练Yolov4的时候，也碰到过一模一样的重复检测问题！给你整理几个实际试过有效的排查方向，你可以挨个验证：

• 检查NMS（非极大值抑制）参数
  Yolov4靠NMS过滤重叠的检测框，默认参数可能对你的场景不够严格。打开cfg/yolov4.cfg，找到[yolo]层的这两个参数：

  • nms_thresh：默认是0.6，你可以降到0.3-0.5区间试试，数值越小，NMS会越严格地剔除重复框
  • iou_thresh：配合NMS的IOU阈值，也可以适当调低0.1-0.2
    修改后重启检测脚本，大部分情况下重复框会直接消失。

• 排查训练标注与数据质量

  • 先检查你的标注文件：有没有同一个物体被标注了两次？比如标注时手滑画了两个重叠框在同一个目标上，模型学了这种错误标注，自然会输出重复检测结果
  • 如果标注没问题，看看训练样本的多样性：如果目标的角度、光照、尺度变化太少，模型泛化能力差也会乱出框。可以开启Darknet的内置数据增强（把cfg里的random=1打开），或者手动添加翻转、旋转后的样本

• 调整训练策略

  • 检查训练轮数：如果模型还没收敛（loss曲线还在震荡），很容易出现不稳定的检测结果。可以多训练几个epoch，或者适当调大batch size加速收敛
  • 权重适配问题：如果是用COCO预训练权重微调，有没有针对你的数据集调整学习率？比如把最后几个yolo层的学习率单独调大，让模型更好地适配你的目标类别

• 检测时的参数优化
  除了cfg配置，检测命令里的参数也能临时调整验证：
  比如在检测时手动指定NMS阈值：

  ./darknet detector test data/your_dataset.data cfg/yolov4.cfg weights/your_trained.weights -thresh 0.5 -nms 0.3
  

  -thresh是置信度阈值，-nms就是NMS的IOU阈值，先调低-nms看看效果

• 模型结构的微调（谨慎操作）
  如果上面的方法都没用，可以试试调整yolo层的num参数（每个网格预测的锚框数量），默认是3。如果你的数据集里目标的宽高比比较单一，改成2可能会减少冗余检测，但这个修改后最好重新训练一轮，避免模型不适应

内容的提问来源于stack exchange，提问作者Armağan