yolov3训练过程中输出参数详解

本文主要是介绍yolov3训练过程中输出参数详解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Region 16, Region 20表示两个不同尺度上检测的结果。
16卷积层为最大的预测尺度, 可以预测出较小的物体；
20卷积层为最小的预测尺度, 可以预测出较大的物体。

我们发现每次迭代都有两组Region 16, Region 20。
因为在darknet中，所有训练图片中的一个批次（batch）又被分成subdivision份来进行计算，而该训练过程 .cfg 文件中设置的batch=32，subdivisions=2，所以就有两组Region 16, Region 20，每组中用到了16张图片。

Region xx Avg IOU： 表示在当前subdivision内的图片的平均 IOU（预测的矩形框和真实目标的交集与并集之比）；越大越好，最大为1。
Class： 标注物体分类的正确率；越大越好，最大为1。
Obj：越接近 1 越好;
No Obj：期望该值越来越小, 但不为零;
.5R：以与ground true的iou大于0.5为正样本时的recall/count，是当前模型在所有 subdivision 图片中检测出的正样本与实际的正样本的比值。全部的正样本被正确的检测到应该是1。
.75R：以与ground true的iou大于0.75为正样本时的recall/count。
count：所有当前 subdivision 图片（本例中一共 16张）中包含正样本的图片的数量。

用红色框框住的一行参数的含义为：

• 当前训练的迭代次数
• 总体的 Loss(损失）
• 平均 Loss， （一般这个数值低于 0.060730 avg 就可以终止训练了）
• 当前的学习率
• 当前批次训练花费的总时间
• 表示到目前为止, 参与训练的图片的总量；等于$迭代次数\ast batch$

这篇关于yolov3训练过程中输出参数详解的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---