yolo训练日志
yolo训练日志
通过两天的训练,得到训练后的权值,效果有喜有忧.
- 数据量的大小对训练的影响.
第一次训练的图片约为6000张
第一次训练的图片约为94000张
迭代次数为120000次
准确度是否与数据集大小成正相关?
但是效果却不明显.
- 参数设置对训练的影响
net
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
# batch：每次迭代要进行训练的图片数量
# subdivisions：源码中的图片数量int imgs = net.batch * net.subdivisions * ngpus，按subdivisions大小分批进行训练
batch=64
subdivisions=8
# width：输入图片宽度， height：输入图片高度，channels ：输入图片通道数
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
# 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
angle=0
# 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
saturation = 1.5
exposure = 1.5
# hue：色调变化范围，tiny-yolo-voc.cfg中-0.1~0.1
hue=.1
# 学习率
learning_rate=0.001
# max_batches：最大迭代次数
max_batches = 120000
# 按照steps策略调整学习率，还有EXP，CONSTANT，POLY等
policy=steps
# 根据batch_num调整学习率
steps= -1,100,80000,100000
# 学习率变化的比例，累计相乘
scales=.1,10,.1,.1
convolution
1
2
3
4
5
6
7
8
9
10
11
12
batch_normalize=1
#卷积核的个数
filters=512
size=3
stride=1
pad=1
#leaky激活函数，大于0的为x,小于0的为0
activation=leaky
max pool
1
2
3
size=2
stride=1
region
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
# 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
anchors = 0.738768,0.874946, 2.42204,2.65704, 4.30971,7.04493, 10.246,4.59428, 12.6868,11.8741
#在YOLOv2中anchors的维度是通过对GT聚类得到的，所给出的5个尺度肯定是适用于VOC2007 2012数据集的，如果借鉴的网络训练自己的数据，就需要更改这个anchor的尺度，anchor的个数当然是越多越好，兼顾效率和精度，作者选了5个，对于小目标这个没有直接的关系，希望能帮到你。
# bias_match：如果为1，计算best iou时，预测宽高强制与anchors一致
bias_match=1
# classes：类别数量
classes=98
# 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
coords=4
# num：每个grid预测的BoundingBox个数
num=5
# softmax：如果为1，使用softmax作为激活函数
softmax=1
# jitter：利用数据抖动产生更多数据，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
# 通过抖动增加噪声，控制过拟合
jitter=.2
# 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
rescore=1
# 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
# 计算损失时，预测框中有物体的权重
object_scale=5
# 计算损失时，预测框中没有物体的权重
noobject_scale=1
# 计算类别损失时的权重
class_scale=1
# 计算损失时坐标偏差的权重
coord_scale=1
absolute=1
# 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
thresh = .6
# random：如果为1每次迭代图片大小随机从320到608，步长为32，如果为0，每次训练大小与输入大小一致
random=1
- 输出结果分析 ``` Loaded: 0.000029 seconds Region Avg IOU: 0.776567, Class: 0.999925, Obj: 0.418946, No Obj: 0.000931, Avg Recall: 1.000000, count: 8 … 119999: 6.035534, 6.783708 avg, 0.000010 rate, 2.310784 seconds, 7679936 images
```
1
2
3
4
5
6
7
8
9
10
11
* Region Avg IOU： 这个是预测出的bbox和实际标注的bbox的交集 除以 他们的并集。显然，这个数值越大，说明预测的结果越好。
* Avg Recall： 这个表示平均召回率， 意思是 检测出物体的个数 除以 标注的所有物体个数。
* count： 标注的所有物体的个数。 如果 count = 6， recall = 0.66667， 就是表示一共有6个物体（可能包含不同类别，这个不管类别），然后我预测出来了4个，所以Recall 就是 4 除以 6 = 0.66667 。
* `11999`是~次数，`6.035534`是`train loss`，`6.783708 avg`是`avg train loss`，`0.000010 rate`是学习率， `2.310784 seconds`是 batch的处理时间， 最后是已经一共处理了多少张图片。
* 重点关注 train loss 和avg train loss，这两个值应该是随着iteration增加而逐渐降低的。
* 如果loss增大到几百那就是训练发散了，如果loss在一段时间不变，就需要降低learning rate或者改变batch来加强学习效果。 4. 如何处理呢
* 找到 loss的极值点
* 多训练个几万次
* 迷茫中.....
Reference
https://blog.csdn.net/Fate_fjh/article/details/70598510
https://www.cnblogs.com/hansjorn/p/7491391.html
训练自己的数据集时 修改参数和代码