YOLOv5 深度学习不同状态下的消融实验

1、条件不变,训练4次结果对比:

YOLOv5 深度学习不同状态下的消融实验_第1张图片同样条件下,训练四次模型,得到的结果会略有差别,其中小类别中个别会差异很大,如上图结果显示。

2、更改Anchor
详见文章:详解anchor手动设置
YOLOv5 深度学习不同状态下的消融实验_第2张图片
从上图结果看,更新Anchor后精度(找回结果中正确结果占比)下降,Recall(召回率)增大(所有应该找回结果里面真实找回结果与全部结果的比例),测试结果可以看出,误检出来的增多。

3、增加网络层(四层检测网络)

YOLOv5 深度学习不同状态下的消融实验_第3张图片
真实效果是小目标结果变好(第三类别,目标较小),但是大目标会减弱(第二类别),这种情况下,可以增加目标样本进行解决
网络更改:

# Parameters
nc: 4 # number of classes
depth_multiple: 0.33  # model depth 

你可能感兴趣的:(深度学习,深度学习,人工智能)