YOLOV3调参

2024-04-26 00:32
文章标签 yolov3 调参

本文主要是介绍YOLOV3调参,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!

YOLOV3调参

参考链接。

完成了learning rate参数和decay参数的调整,这一篇尝试调整一些其他的参数,如ignore_thresh、以及data argument 相关的的参数,目前得到的最好的实验结果是:

  • learning rate:0.001
  • policy:step
  • step:40000(0.1)
  • decay:0.0010-0.0015

参数解释:ignore_thresh 指得是参与计算的IOU阈值大小。当预测的检测框与ground true的IOU大于ignore_thresh的时候,参与loss的计算,否则,检测框的不参与损失计算。
参数目的和理解:目的是控制参与loss计算的检测框的规模,当ignore_thresh过于大,接近于1的时候,那么参与检测框回归loss的个数就会比较少,同时也容易造成过拟合;而如果ignore_thresh设置的过于小,那么参与计算的会数量规模就会很大。同时也容易在进行检测框回归的时候造成欠拟合。
参数设置:一般选取0.5-0.7之间的一个值,之前的计算基础都是小尺度(1313)用的是0.7,(2626)用的是0.5。这次先将0.5更改为0.7。
实验结果:AP=0.5121(有明显下降)
loss curve:
在这里插入图片描述
这次的bacth数为48000,尾部仍然有轻微上翘,(batch次数仍然有调整空间。)

这篇关于YOLOV3调参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!



http://www.chinasem.cn/article/936222

相关文章

yolov3 上生产

1、在生产环境上编译darknet,执行make命令就好哦。  通过以后,拿到libdarknet.so 2、改一改../python/darknet.py文件 3、把darknet里的四个模型文件地址改一改就可以了     后面我会写一篇详细的,今天我要回家了

深度学习调参笔记

就是因为增加了下面这个代码片段,使得训练过程耗时增加了3倍。。。 def set_seed(seed):random.seed(seed)np.random.seed(seed)torch.manual_seed(seed)torch.cuda.manual_seed(seed)torch.cuda.manual_seed_all(seed)cudnn.benchmark = Falsecudn

streamlit之下使用optuna做多进程调参

☆ 问题描述 streamlit之下使用optuna做多进程调参 ★ 解决方案 import streamlit as stimport optunaimport multiprocessingimport time# 模拟一个简单的目标函数def objective(trial):x = trial.suggest_float('x', -10, 10)return (x - 2)

svm的核函数选择经验 调参经验

参考知乎:https://www.zhihu.com/question/21883548 以及CSDN帖子:https://blog.csdn.net/u014484783/article/details/78220646 具体的待研究。

XGBoost预测及调参过程(+变量重要性)--血友病计数数据

所使用的数据是血友病数据,如有需要,可在主页资源处获取,数据信息如下: 读取数据及数据集区分         数据预处理及区分数据集代码如下(详细预处理说明见上篇文章--随机森林): import pandas as pdimport numpy as nphemophilia = pd.read_csv('D:/my_files/data.csv') #读取数据

12_YouOnlyLookOnce(YOLOv3)新一代实时目标检测技术

1.1 回顾V1和V2 V1:05_YouOnlyLookOnce(YOLOV1)目标检测领域的革命性突破-CSDN博客 V2:07_YouOnlyLookOnce(YOLOv2)Better,Faster,Stronger-CSDN博客 1.2 简介 YOLOv3(You Only Look Once version 3)是YOLO系列目标检测算法的第三代版本,由Joseph Redmo

9.1.3 简单介绍单阶段模型YOLO、YOLOv2、YOLO9000、YOLOv3的发展过程

9.1.3 简单介绍单阶段模型YOLO、YOLOv2、YOLO9000、YOLOv3的发展过程 前情回顾:9.1.2 简单介绍两阶段模型R-CNN、SPPNet、Fast R-CNN、Faster R-CNN的发展过程 摘要 YOLOYOLOv2YOLO9000YOLOv3基本思想使用一个端到端的卷积神经网络直接预测目标的类别和位置针对YOLOv1的两个缺点进行改进可以实时地检测超过9

yolov3 详解

文章目录 1、yolov3原理2、损失函数3、yolov3改进4、使用opencv实现yolov35、卷积神经网络工作原理 1、yolov3原理 参考视频 darknet53:52个卷积层和1个全联接层 输入图像为416416 1313 -》 下采样32倍 2626 -》 下采样16倍 5252 -》 下采样8倍 由标注框中心点落在的grid cell中与9个an

DeepSORT(目标跟踪算法)中的数值表格与调参的关系

DeepSORT(目标跟踪算法)中的数值表格与调参的关系 flyfish DeepSORT(目标跟踪算法)中的马氏距离详解(很详细) DeepSORT(目标跟踪算法)中 可以设置阈值进行异常检测或目标跟踪的原因(写了重要步骤) 代码地址 https://github.com/shaoshengsong/DeepSORT 文字要是懒得看,直接拖到后面看图。 原始代码 Python版