YOLOv5内置--hyp超参配置文件对比

1、YOLOv5超参数配置介绍

YOLOv5 有大约 30 个超参数用于各种训练设置。这些是在目录中*.yaml的文件中定义的/data。更好的初始猜测会产生更好的最终结果,因此在演化之前正确初始化这些值很重要。

 lr0 : 0.01   #初始学习率 (SGD=1E-2, Adam=1E-3) 
 lrf : 0.01   #最终的 OneCycleLR 学习率 (lr0 * lrf) 
 momentum: 0.937   # SGD 动量/Adam beta1 
 weight_decay : 0.0005   #优化器权重衰减 5e-4 
 warmup_epochs : 3.0   # warmup epochs (fractions ok) 
 warmup_momentum : 0.8   #预热初始动量 
 warmup_bias_lr : 0.1   #预热初始偏差 lr 
 box : 0.05   # box loss gain 
 cls : 0.5   # cls 损失增益 
 cls_pw : 1.0   # cls BCELoss positive_weight 
 obj : 1.0   # obj loss gain(按像素缩放) 
 obj_pw : 1.0   # obj BCELoss positive_weight 
 iou_t : 0.20   # IoU训练阈值 
 anchor_t : 4.0   #锚倍阈值 
 #anchors:3 # 每个输出层的锚点(0 忽略) 
 fl_gamma : 0.0   #focal loss gamma (efficientDet default gamma=1.5) 
 hsv_h : 0.015   #图像 HSV-Hue 增强(分数) 
 hsv_s : 0.7   #图像 HSV-Saturation 增强(分数) 
 hsv_v : 0.4   #图像 HSV 值增强(分数) 
 degree : 0.0   #图像旋转 (+/- deg) 
 translate : 0.1   #图像翻译(+/- 分数) 
 scale : 0.5   #图像比例(+/- 增益) 
 shear:0.0   #图像剪切(+/- 度) 
 perspective : 0.0   #图像透视(+/- 分数),范围 0-0.001 
 flipud : 0.0   #图像上下翻转(概率) 
 fliplr : 0.5   #图像左右翻转(概率) 
 mosaic: 1.0   #图像马赛克(概率) 
 mixup : 0.0   #图像混合(概率) 
 copy_paste : 0.0   #段复制粘贴(概率) 

2.YOLOv5内置超参配置文件介绍

1. yolov5/data/hyps/hyp.scratch-low.yaml(YOLOv5 COCO训练从头优化,数据增强低)

2. yolov5/data/hyps/hyp.scratch-mdeia.yaml(数据增强中)

3. yolov5/data/hyps/hyp.scratch-high.yaml(数据增强高)

3. 结果对比

此结果是在 weights:yolov5n6.pt,epochs:100,训练集验证集及测试集相同的情况下测得(结果仅供参考)

YOLOv5默认配置
YOLOv5默认配置
hyp.scratch-low.yaml
hyp.scratch-low.yaml

hyp.scratch-med.yaml
hyp.scratch-med
hyp.scratch-high.yaml
hyp.scratch-high.yaml

hyp.finetune_objects365.yaml
hyp.finetune_objects365.yaml

你可能感兴趣的:(深度学习,python,人工智能)