[YOLO专题-14]：YOLO V5 - ultralytics在自定义数据集上获得高性能的常见关键项

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122302497

---

目录

前言：

第1步：数据集的优化

（1）图像的数量

（2）标签的目标实例的数量

（3）图片的变化性

（4）标签的一致性

（5）标签准确性

（6）背景图片的添加

第2步：模型的选择

第3步：模型训练过程的优化

3.1 情形1：从预训练模型（权重文件）开始

3.2 情形2：从头开始训练

3.3 模型训练超参数的选择

---

前言：

YOLO V5官方提供的性能指标，是在YOLO V5指定的数据集和相应的超参数设置下获的的最佳性能，而不仅仅取决于网络，该性能是数据集、模型、超参数设置相关因素共同作用的效果。

用户要想在自己的数据集上获的最佳的训练效果，有些常规的最佳实践还是需要遵守的。

如下来自官网的建议。

Tips for Best Training Results 📌 - YOLOv5 Document