用的自己的数据训练faster_rcnn做目标检测，中间输出如下
2020-10-19 09:59:57,175-INFO: iter: 620, lr: 0.010000, 'loss_cls': '0.000000', 'loss_bbox': '0.000000', 'loss_rpn_cls': '0.011591', 'loss_rpn_bbox': '0.015820', 'loss': '0.029458', eta: 0:10:56, batch_cost: 1.72687 sec, ips: 2.31633 images/sec
2020-10-19 10:00:30,870-INFO: iter: 640, lr: 0.010000, 'loss_cls': '0.000000', 'loss_bbox': '0.000000', 'loss_rpn_cls': '0.008165', 'loss_rpn_bbox': '0.014647', 'loss': '0.023170', eta: 0:10:05, batch_cost: 1.68186 sec, ips: 2.37832 images/sec
2020-10-19 10:01:05,036-INFO: iter: 660, lr: 0.010000, 'loss_cls': '0.000000', 'loss_bbox': '0.000000', 'loss_rpn_cls': '0.006240', 'loss_rpn_bbox': '0.014518', 'loss': '0.019888', eta: 0:09:39, batch_cost: 1.70321 sec, ips: 2.34850 images/sec
……
数据组织在datase/mydata中，有JPEGImages、Annotations、train_list.txt……。yml文件只修改了训练次数和reader，如下
!VOCDataSet
anno_path: train_list.txt # 训练集列表文件基于数据集根目录的相对路径
dataset_dir: dataset/mydata# 数据集根目录
use_default_label: false# 是否使用默认标签，默认为true。
with_background: false# 背景是否作为一类标签，默认为true。
loss_rpn_cls、loss_rpn_bbox和loss都在下降，但loss_cls和loss_bbox一直为0，eval的结果也是map为0。如下
2020-10-19 10:11:44,500-INFO: Start evaluate...
2020-10-19 10:11:44,501-INFO: Accumulating evaluatation results...
2020-10-19 10:11:44,501-INFO: mAP(0.50, 11point) = 0.00%
2020-10-19 10:11:44,501-INFO: Best test box ap: 0.0, in iter: 0
请问这种可能是什么原因导致的box没有，而loss一直在下降
这个效果很好啊
随便跑了10几分钟，可能是图片比较高清。我标注的时候把我能看出来的车都标了（在阴影在树下在房子下面- -！哪怕一个引擎盖），不知道一般标注这样是好是坏
看业务需要，可以再训练看看，现在就是遮挡的这种识别效果差点
效果不错哎，比我看得都准。那个红的我以为是车呢，树下的根本没发现
难怪，
原来数据集标得好。
奇形怪状的情况越多越好
您这不是要抓违停的吧～～
抓违停都用卫星图片了...守法省钱啊
太刺激了，一下一百~~
不敢不敢，哈哈，拿来练习的。第一次自己标数据。换了cascade_rcnn_r50_fpn，感觉NMS没用一样，停车场里面好多车被标记了两次，然后很奇怪为啥概率基本都是1.00，这么神嘛
我们这边乱停150- -*
因为coco数据集里面有car，所以如果加载的是在coco数据集上训练出来的预训练模型，对车辆特征的识别效果是非常好的，因为模型“认识”car这个类别。
如果是coco数据集里没有的类别，一开始效果就不会太好了，相当于少训练了几百个小时。
哈哈 发了
这个车真多
pretrain_weights: https://paddle-imagenet-models-name.bj.bcebos.com/ResNet50_cos_pretrained.tar
这是ImageNet预训练的吧
ImageNet数据集里也有车
那就是说，car的特征提取层已经在预训练模型里训练好了
把nms阈值设大些，会不会好些？
nms的roi设大些，重框应该就能少写了
概率好多为1是不是只有car和背景两个类别？我直觉分类越多目标概率越低，因为最后用softmax激活的原因吧。只有两类，所以分子相对分母会比较大，哈哈。猜得
受不了这刺激～～
更受不了这刺激～～