yolov5模型训练时P,R,map较低原因（戴上眼镜=带上口罩）

本人最近用yolov5进行人脸口罩识别遭遇了不少问题，也被模型训练时P，R，map较低这个问题困扰了好久，先来看下运行的测试效果

标签：

预测给出的标签：

可以看到这里的识别率还是挺高的，但有谁能想到我的模型在前一天晚上还是这样的

 置信度0.11，还只识别出来一个口罩55555

为了提高模型的精确度，召回率，map等等

1.首先模型需要一个庞大的数据集支撑（这很重要），每个类别的图像都要大于1000张，且最好在不同背景下都有涉及，不然模型的泛化力会很弱，无法预测更换环境后的同一物体

2.其次标签制作一定要细心，并且一定要是一张图像中的全部标签，漏选或者选错标签都会对模型造成较大的影响

3.对于数据集较少的训练模型，batch_size设的小一点会更好，此时模型对于多张图片的整体分析来减少训练时间（本来就很少了）已经不再重要，模型更应该注重每张图片的特征，本人只制作总体不到100份数据集，于是乎batch_size 就变成了1，事实证明模型的训练效果会变好

最后附上血泪教训得证，数据集大小真的很重要！