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
1
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。
1
相关话题
Resnet到底在解决一个什么问题呢？如何理解 inductive learning 与 transductive learning?
结合深度学习的图像修复怎么实现？
为什么要压缩模型，而不是直接训练一个小的CNN？
FPGA做深度学习能走多远？
如何评价谷歌用30亿数据训练的20亿参数ViT-G/14模型在 ImageNet 达到新的 SOTA？
如何理解MCMC中的细致平稳条件？
想问下专业人士 OpenCv会被深度学习进一步取代吗进一步取代吗？
2021年深度学习在哪些应用上有实质进展？
人能否通过训练用四肢跑得比双腿快？
相关的话题
OpenCV已经将图像处理(识别)的算法写成函数了,那我们还有必要去学习这些算法不?如何看待Meta（恺明）最新论文ViTDet：只用ViT做backbone（不使用FPN）的检测模型？
Transformer在工业界的应用瓶颈如何突破？
深度学习有哪些好玩的案例？
DL框架的未来发展，TensorFlow/MXNet/PyTorch, 选哪个？
CPU和GPU跑深度学习差别有多大？
pytorch 分布式计算 你们都遇到过哪些 坑/bug？
物理专业的学生如何看待机器学习和大数据这些方向呢？
想问下专业人士 OpenCv会被深度学习进一步取代吗进一步取代吗？
为啥gan里面几乎不用pooling？
如何看待 Richard Sutton 说的「人工智能中利用算力才是王道」？
如何看待李沐老师提出的「用随机梯度下降来优化人生」？
新手如何入门pytorch？
上学和读书有什么区别?
为什么 Bert 的三个 Embedding 可以进行相加？
BERT中，multi-head 768*64*12与直接使用768*768矩阵统一计算，有什么区别？
2022 年初，你认为哪项成果代表了现在人工智能的最高水平？
TVM 最新发布版本 0.3 有哪些亮点？
scikit-learn, tensorflow, pytorch真的只需要查下API，不需要学吗?
了解/从事机器学习/深度学习系统相关的研究需要什么样的知识结构？
AMD 开源高性能机器智能库MIopen是否可以和cuDNN抗衡？
2022 年人工智能领域的发展趋势是什么？你都有哪些期待？
从应用的角度来看，深度学习怎样快速入门？
机器学习中有哪些形式简单却很巧妙的idea？
深度学习在信息安全的应用有哪些可以关注的人或论文？
有哪些深度学习效果不如传统方法的经典案例？
Resnet到底在解决一个什么问题呢？
什么是迁移学习 (Transfer Learning)？这个领域历史发展前景如何？
Github、Node、React、pytorch 等官网声明支援乌克兰，如何看待开源组织参与政治?
NLP 中 prompt learning 有哪些可能的天生缺陷？目前有什么样的方法来解决这样的缺陷？