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

  如何评价清华大学发布的自研深度学习框架-计图(Jittor)? 
  如何看待华为 4 月 25 日发布的盘古智能大模型?在这个行业处于什么水平? 
  在集成电路设计领域(数字,模拟),人工智能有无可能取代人类? 
  人工智能相关的岗位薪酬状况如何? 
  研一,在学机器学习和深度学习,为什么感觉越学越不会,怎么解决这个问题? 
  使用pytorch时,训练集数据太多达到上千万张,Dataloader加载很慢怎么办? 
  如何评价微软亚研院提出的把 Transformer 提升到了 1000 层的 DeepNet? 
  什么是蒙特卡罗 Dropout(Monte-Carlo Dropout)? 
  如何评价AWS的图神经网络框架DGL? 
  如何评价Sony新出的深度学习库NNabla? 

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。





© 2025-06-05 - tinynew.org. All Rights Reserved.
© 2025-06-05 - tinynew.org. 保留所有权利