百科问答小站 logo
百科问答小站 font logo



为什么yolov5从零开始训练(不在ImageNet上预训练)能够达到如此高的性能? 第1页

  

user avatar   na-tiao-mei-you-ren-de-jie 网友的相关建议: 
      

1.大量的数据增强:颜色变换,仿射变换,mosaic等;

2.增加正样本的方法,邻域匹配的思想,以前yolo系列都是单个网格产生落在该网格的目标,现在有上、下、左、右(根据中心点位置选择2个)和中间网格对该目标进行预测,正样本数量大大增加,所以整体训练收敛比较快;

3.形状shape对正样本选择;

4.邻域匹配的思想改变了xy的编解码,正样本选择的基础上改变了wh的编解码,原来是e指数乘anchor,现在是sigmoid乘上anchor;

5.loss方面:obj loss,giou / ciou loss,不同特征图上的iou loss权重大小,focal loss等;

6.训练方面:ema,warmup,余弦学习率衰减,超参搜索等;

7.网络结构方面等。




  

相关话题

  国内外有哪些做小样本学习(Few-Shot Learning)的优秀团队? 
  为什么学习深度学习感觉无法入门? 
  如何系统学习机器学习? 
  深度学习中,模型大了好还是小了好呢? 
  为什么softmax很少会出现[0.5,0.5]? 
  要研究深度学习的可解释性(Interpretability),应从哪几个方面着手? 
  实体提取任务中使用BERT-CRF时,CRF根据数据统计可以得到转移概率,为啥还要训练呢? 
  有哪些可以自学机器学习、深度学习、人工智能的网站? 
  Transformer是如何处理可变长度数据的? 
  有哪些比较好的元学习(meta learning)领域的学习资源? 

前一个讨论
为什么很多年轻人不愿意回家过年?「过年焦虑」究竟在焦虑什么?
下一个讨论
为什么图形学的会议siggraph的论文代码很少会开源?好像视觉如CVPR、ICCV开源的更多一些。





© 2025-06-26 - tinynew.org. All Rights Reserved.
© 2025-06-26 - tinynew.org. 保留所有权利