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
使一颗心免于哀伤1 天前
《设计模式之禅》笔记摘录 - 21.状态模式
笔记·设计模式
_落纸3 天前
三大基础无源电子元件——电阻(R)、电感(L)、电容(C)
笔记
Alice-YUE3 天前
【CSS学习笔记3】css特性
前端·css·笔记·html
2303_Alpha3 天前
SpringBoot
笔记·学习
Hello_Embed3 天前
STM32HAL 快速入门(二十):UART 中断改进 —— 环形缓冲区解决数据丢失
笔记·stm32·单片机·学习·嵌入式软件
咸甜适中3 天前
rust语言 (1.88) 学习笔记:客户端和服务器端同在一个项目中
笔记·学习·rust
Grassto3 天前
RAG 从入门到放弃?丐版 demo 实战笔记(go+python)
笔记
Magnetic_h3 天前
【iOS】设计模式复习
笔记·学习·ios·设计模式·objective-c·cocoa
周周记笔记3 天前
学习笔记:第一个Python程序
笔记·学习
丑小鸭是白天鹅3 天前
Kotlin协程详细笔记之切线程和挂起函数
开发语言·笔记·kotlin