Datawhale AI 夏令营第五期 CV方向Task03笔记

在task03中，我主要参考教程和学习群里分享的笔记对 baseline 做了如下优化：

1. 读入更多数据
   参考这篇文章进行了及时释放视频文件和每n帧抽取1帧进行训练
2. 更换其他模型
   task02中没来得及完成，已补充，可见上一篇笔记
3. 设置 YOLO 模型训练参数

results = model.train(data="yolo-dataset/yolo.yaml", epochs=5, imgsz=1080, batch=16, optimizer='auto')

增大 epoch，设置 optimizer=‘auto’ 自动调整学习率

4. 尝试进行数据增强
   尝试调用 Albumentations 进行增强，但是发现之后训练集处理时速度很慢，暂时未能实现

训练结果（YOLOV8s）如图：

可见：

• 模型在训练集上的表现良好，损失持续降低，表明模型正在学习特征并进行有效的优化。
• 在验证集上的表现虽然也有改进，但存在较大的波动性，可能需要进一步调优以减少过拟合的风险。
• 精度和召回率的稳定性尚可，但仍有提高的空间，特别是在平衡两者之间时。
• mAP指标的波动提示我们可能在某个阶段出现了过拟合的情况

总的来说，模型的训练结果是积极的，但仍有一些改进的空间以达到更好的性能和泛化能力。

在提交的分数中，YOLOv8n（0.1668066253214355）的评分是稍大于YOLOV8s（0.1398309227492016）的，或许是出现了过拟合的情况，需要对训练数据集进行增加和增强。