问题描述
不知道有多少人遇到过和我一样的情况，这个问题困扰了我很长时间，这里特别做一下笔记。
本人在Windows10环境下，使用Pycharm进行模型训练。训练的时候一切正常，loss值也有明显下降，但是在使用模型的时候发现与预料结果截然不同。
训练结果如下图：
图片中并没有出现锚框。
解决方案
既然是Yolo模型，那么你的代码中肯定有一部分是用来描述产生锚框的条件的。
每个人的代码不同，但是一定有一部分类似的代码。
其中score表示生成锚框的阈值，只有当预测的可信度高于你设定的阈值时，才会显示锚框。
iou表示预测的矩形框和真实目标的交集与并集之比。
换句话说，你只要把这两个参数的值改小后，原本不会显示出来的锚框就会显示了。
修改后的效果：
总结
这种方案在理论上一定是可行的，但是这种做法治标不治本。
问题的本质是，你训练模型的可行度太低。就算你把锚框显示出来了，本质问题也没有得到丝毫改善。
举个例子：
在这张图片中，你确实可以把这些锚框都显示出来，但是这样的显示方式实在是没有任何意义。
所以，调整这些参数只是为了让大家对Yolov3的显示机制有进一步的体会，关于解决没有锚框问题的核心方法请参照我的另一篇文章：Yolov3模型没有框的解决方案之——提高训练模型的置信度。
