yolo 学习系列（三）：训练参数与网络参数

yolo 学习系列（三）：训练参数与网络参数

手把手教你做目标检测（YOLO、SSD）视频链接

---

1 训练参数

博主在使用 yolov2-tiny-voc 训练 人 这一类目标物体时，训练过程中在终端输出的参数如图所示，了解这些参数的含义有助于了解训练过程中的训练效果。

1.1 训练参数解释

• Region Avg IOU: 0.196824：表示在当前subdivision内的图片的平均IOU，代表预测的矩形框和真实目标的交集与并集之比，这里是19.68%，这个模型需要进一步的训练
• Class: 1.000000： 标注物体分类的正确率，期望该值趋近于1
• Obj: 0.336143： 越接近1越好
• No Obj: 0.482397： 期望该值越来越小，但不为零
• Avg Recall: 0.00000： 是在recall/count中定义的，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
• count: 2：count后的值是所有的当前subdivision图片（本例中为1张）中包含正样本的图片的数量

Region Avg IOU：平均的IOU，代表预测的bounding box和ground truth的交集与并集之比，期望该值趋近于1。
Class:是标注物体的概率，期望该值趋近于1.
Obj：期望该值趋近于1.
No Obj:期望该值越来越小但不为零.
Avg Recall：期望该值趋近1
avg：平均损失，期望该值趋近于0

1.2 IOU（Intersection over Union, 交并集之比)

可以看到，IOU（交集比并集）是一个衡量我们的模型检测特定的目标好坏的重要指标。100%表示我们拥有了一个完美的检测，即我们的矩形框跟目标完美重合。很明显，我们需要优化这个参数。

2 cfg文件配置参数

参考这篇
还有这篇

2.1 开头部分

[net]
# Testing
batch=1
subdivisions=1
# Training
# batch=64
# subdivisions=2
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

learning_rate=0.001
max_batches = 40200
policy=steps
steps=-1,100,20000,30000
scales=.1,10,.1,.1

• batch：每次迭代要进行训练的图片数量
• subdivision：batch中的图片再产生子集，源码中的图片数量int imgs = net.batch * net.subdivisions * ngpus

本例以上两个参数均为1，也就是说每轮迭代会从所有训练集里随机抽取 batch = 1 个样本参与训练，所有这些 batch 个样本又被均分为 subdivision =1 次送入网络参与训练，以减轻内存占用的压力

• width：输入图片宽度， height：输入图片高度，channels ：输入图片通道数

对于每次迭代训练，YOLOv2会基于角度(angle)，饱和度(saturation)，曝光(exposure)，色调(hue)产生新的训练图片

• angle：图片角度变化，单位为度，假如 angle=5，就是生成新图片的时候随机旋转-5~5度
• weight decay：权值衰减

防止过拟合，当网络逐渐过拟合时网络权值往往会变大，因此，为了避免过拟合，在每次迭代过程中以某个小因子降低每个权值，也等效于给误差函数添加一个惩罚项，常用的惩罚项是所有权重的平方乘以一个衰减常量之和。权值衰减惩罚项使得权值收敛到较小的绝对值。

• angle：图片角度变化，单位为度，假如 angle=5，就是生成新图片的时候随机旋转-5~5度
• saturation & exposure: 饱和度与曝光变化大小，tiny-yolo-voc.cfg中1到1.5倍，以及1/1.5~1倍
• hue：色调变化范围，tiny-yolo-voc.cfg中-0.1~0.1
• max_batches：最大迭代次数
• learning rate：学习率

学习率决定了参数移动到最优值的速度快慢，如果学习率过大，很可能会越过最优值导致函数无法收敛，甚至发散；反之，如果学习率过小，优化的效率可能过低，算法长时间无法收敛，也易使算法陷入局部最优（非凸函数不能保证达到全局最优）。合适的学习率应该是在保证收敛的前提下，能尽快收敛。
设置较好的learning rate，需要不断尝试。在一开始的时候，可以将其设大一点，这样可以使weights快一点发生改变，在迭代一定的epochs之后人工减小学习率。

• policy：调整学习率的策略

调整学习率的policy，有如下policy：CONSTANT, STEP, EXP, POLY，STEPS, SIG, RANDOM

• steps：学习率变化时的迭代次数

根据batch_num调整学习率，若steps=100,20000,30000，则在迭代100次，20000次，30000次时学习率发生变化，该参数与policy中的steps对应

• scales：学习率变化的比率

相对于当前学习率的变化比率，累计相乘，与steps中的参数个数保持一致
#####2.2 中间部分

[convolutional]      # 卷积层
batch_normalize=1    # 是否做BN
filters=16           # 输出特征图的数量
size=3               # 卷积核的尺寸
stride=1             # 做卷积运算的步长
pad=1                # 如果pad为0,padding由 padding参数指定。
					如果pad为1，padding大小为size/2，padding应该是对输入图像左边缘拓展的像素数量
activation=leaky     # 激活函数的类型

[maxpool]            # 池化层
size=2
stride=2

2.3 结束部分

[convolutional]
size=1
stride=1
pad=1
# filters=125
filters=30         # 计算公式 = 5 × （ 类别数 + 5 ）
activation=linear

[region]
anchors = 1.08,1.19,  3.42,4.41,  6.63,11.38,  9.42,5.11,  16.62,10.52
bias_match=1      # 计算best IOU时，预测宽高强制与anchors一致 
# classes=20
classes=1         # 类别数量 
coords=4
num=5             # 每个grid预测的BoundingBox个数 
softmax=1         # 使用softmax 
jitter=.2         # 通过抖动增加噪声来抑制过拟合
rescore=1

object_scale=5
noobject_scale=1
class_scale=1
coord_scale=1

absolute=1
thresh = .6
random=1

• anchors

预测框的初始宽高，第一个是w，第二个是h，总数量是num*2，YOLOv2作者说anchors是使用K-MEANS获得，其实就是计算出哪种类型的框比较多，可以增加收敛速度，如果不设置anchors，默认是0.5，还有就是anchors读入参数中名字是biases

• bias_match

如果为1，计算best iou时，预测宽高强制与anchors一致

• coords：BoundingBox的tx,ty,tw,th

tx与ty是相对于左上角的gird，同时是当前grid的比例，tw与th是宽度与高度取对数

• jitter：通过抖动增加噪声来抑制过拟合

YOLOv2中使用的是crop，filp，以及net层的angle，flip是随机的，crop就是jitter的参数，tiny-yolo-voc.cfg中jitter=.2，就是在0~0.2中进行crop

• rescore：决定使用哪种方式计算IOU的误差

为1时，使用当前best iou计算，为0时，使用1计算

• object_scale & noobject_scale & class_scale & coord_scale

YOLOv1论文中cost function的权重，哪一个更大，每一次更新权重的时候，对应方面的权重更新相对比重更大

• thresh：决定是否需要计算IOU误差的参数

大于thresh，IOU误差不会夹在cost function中

• random

random为1时会启用Multi-Scale Training，随机使用不同尺寸的图片进行训练,如果为0，每次训练大小与输入大小一致;