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

  有哪些可以自学机器学习、深度学习、人工智能的网站? 
  如何评价微软机器翻译在 WMT2017 中英翻译达到「人类水平」? 
  如何证明数据增强(Data Augmentation)有效性? 
  如何理解MCMC中的细致平稳条件? 
  计算机视觉顶级会议论文中比较适合初学计算机视觉的人做的复现实验有哪些? 
  从应用的角度来看,深度学习怎样快速入门? 
  下一代 AI 框架长什么样? 
  分类算法中,训练集和验证集有什么区别? 
  DeepMind 研发的围棋 AI AlphaGo 是如何下棋的? 
  是不是对于任意 n×n 大小的围棋棋盘,人类都赢不了 AlphaGo Zero 了? 

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。





© 2025-04-04 - tinynew.org. All Rights Reserved.
© 2025-04-04 - tinynew.org. 保留所有权利