--- title: agriculture project --- ## Leaf detection ### model yolo_v2 ### Data Trainig: 221 testing: 139 ### 目前實驗概況 目前loss最低約為1.97左右 ||原圖|預測後圖片| |--|--|--| |1|![](https://i.imgur.com/G0MGZHC.jpg =300x400)|![](https://i.imgur.com/OyHRTaF.jpg =300x400)| |2|![](https://i.imgur.com/xA2YX7o.jpg =300x400)|![](https://i.imgur.com/cVpVIbK.jpg =300x400)| |3|![](https://i.imgur.com/NuedsK8.jpg =300x400)|![](https://i.imgur.com/BeUmzA4.jpg =300x400)| |4|![](https://i.imgur.com/q00LoLu.jpg =300x400)|![](https://i.imgur.com/IfeK9zL.jpg =300x400)| |5|![](https://i.imgur.com/fO0ZoS4.jpg =300x400)|![](https://i.imgur.com/BnHWjos.jpg =300x400)| 上表為目前資料訓練後的預測結果 第一列為最理想之預測結果,第二列右下的box中出現重複的現象,第三與第四列則是將樹幹、草地等其他材質判斷為葉子,第五列為不佳的預測結果 ### 問題與解決方法 1.重複框(上表2列) : 加入IOU判斷,若有重複框的狀況則刪除較小者 2.框到其他材質(上表3、4列) : 將樹幹、草地、其他雜草框做負樣本訓練 3.預測不佳(上表5列) : 增加訓練資料並修改訓練參數再做測試 ## 網頁遮罩 撰寫網頁用的mask功能,能將輸入的圖片依照mask去背 |原圖|結果| |--|--| |![](https://i.imgur.com/SWVQpXq.jpg)|![](https://i.imgur.com/3gZLW3q.jpg)|