yolo笔记

目录

输入端

参考:https://zhuanlan.zhihu.com/p/172121380

Mosaic数据增强

随机的仿射变换

数据增强Copy-paste

有分割数据集时

数据增强- MixUp

按一定的透明程度混合生成一张图片;

数据增强- Albumentations

参考:https://blog.csdn.net/weixin_45942927/article/details/124529291

空域滤波

为图像平滑(去噪声)和图像锐化(突出轮廓)

均值滤波:图像去噪的同时也破坏了图像的细节部分

中值滤波:可以保护图像尖锐的边缘,选择适当的点来替代污染点的值,所以处理效果好,对椒盐噪声表现较好,对高斯噪声表现较差。

直方图均衡化

可提高图像的对比度

以及改变图片质量等等

数据增强- Augment HSV (Hue, Saturation, Value)色度、饱和度、浓度

数据增强- Random horizontal flip

随机水平翻转

自适应锚框计算

自适应图片缩放

Backbone

Focus结构

将Focus模块替换成了6x6的普通卷积层。

两者功能相同,但后者效率更高。

CSP结构

CSP结构

Neck

损失函数


小目标

中等目标

大目标

小型目标更难预测,所以将小型目标的超参设置大一些

参考:https://zhuanlan.zhihu.com/p/143747206

IOU_Loss

当预测框和目标框不相交时,IOU=0,无法反应两个框距离的远近,此时损失函数不可导,IOU_Loss无法优化两个框不相交的情况。

GIOU_Loss


DIOU_Loss


CIOU_loss

训练策略

➢Multi-scale training(0.5~1.5x) 320大小图片会缩放为0.5到1.5倍

➢AutoAnchor(For training custom data)

➢Warmup and Cosine LR scheduler

学习率从一个非常小的值慢慢增长到设置的初始的学习率

用cos的方法去降低学习率

➢EMA(Exponential Moving Average)

将学习率加上一个动量

➢Mixed precision

混合精度训练

➢Evolve hyper- parameters

消除Grid敏感度


梯度爆炸

匹配正样本

anchor_t最大为4(缩放因子设置为0~4)

在0.25~4的区间内就算匹配成功

相关推荐
熙曦Sakura10 分钟前
完全竞争市场
笔记
dr李四维1 小时前
iOS构建版本以及Hbuilder打iOS的ipa包全流程
前端·笔记·ios·产品运营·产品经理·xcode
Komorebi.py5 小时前
【Linux】-学习笔记05
linux·笔记·学习
亦枫Leonlew5 小时前
微积分复习笔记 Calculus Volume 1 - 6.5 Physical Applications
笔记·数学·微积分
冰帝海岸10 小时前
01-spring security认证笔记
java·笔记·spring
小二·11 小时前
java基础面试题笔记(基础篇)
java·笔记·python
wusong99914 小时前
mongoDB回顾笔记(一)
数据库·笔记·mongodb
猫爪笔记14 小时前
前端:HTML (学习笔记)【1】
前端·笔记·学习·html
Resurgence0314 小时前
【计组笔记】习题
笔记
pq113_614 小时前
ftdi_sio应用学习笔记 3 - GPIO
笔记·学习·ftdi_sio