YOLOV5训练的若干问题总结

这几周玩了一下YOLOV5。选了一个机器猫的示例运行。之前训练完后,都无法识别出来机器猫,后面终于可以了。关键是训练次数和图集一定要多,我是训练了 400 次,图集是200张。最后终于可以识别出来了。并部署到RV1126的平台上。

环境介绍

本地是用虚拟机弄的,配了4核CPU,8G内存 ,一个机器猫头像,200百张图片的话,训练了400轮,耗时 8 小时左右。看来没有GPU的还是差很多。

图片标记

发现图片收集及标注是最耗时,最烦人的。但也是最重要的一环。本地是在WINDOWS平台下安装了LableImg的

训练结果分析

前面几轮训练看还没有效果,但随着训练次数的增加,效果明显改善

 默认训练300次之后就比较稳定了。

部署情况

部署到RV1126平台上后,发现置信度基本为100%

对比图片

 YOLOV5训练的若干问题总结_第1张图片

原因暂时不确定 ,怀疑是转RKNN时精度缺失导致的

 

你可能感兴趣的:(人工智能,python,深度学习)