YOLOv5-bug之HSV

最新推荐文章于 2024-01-15 17:42:35 发布

STO检测王

最新推荐文章于 2024-01-15 17:42:35 发布

阅读量648

点赞数 2

文章标签： bug 深度学习 python

本文链接：https://blog.csdn.net/jiaqihanhan/article/details/126400065

版权

问题记录：

yolov5的随机种子都是随着每一个epoch进行改变，但每一个epoch训练的batch都是一致的

可用官方输出的 train_batch0 等进行判断。

但问题在于，如果两次参数一致，train_batch0对应mosaic和mixup的位置是一致的，但HSV不受固定随机种子的影响。如图所示。

PS：YOLOv5的训练并不能保证前几个epoch完全相等（甚至差距很大）

有大佬说，用CPU可以保证前几个epoch大致相同（还没去试试）

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

STO检测王

关注关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
YOLOv5-bug之HSV

YOLOv5之HSV
复制链接

扫一扫

学习经验分享【NO.17】YOLO训练时固定随机种子

m0_70388905的博客

07-30

1679

为了能够完全复现作者的开源深度学习代码，随机种子的选择能够减少一定程度上，算法结果的随机性，也就是更接近于原始作者的结果，即产生随机种子意味着每次运行实验，产生的随机数都是相同的。为确保论文可复现，可采用以下方法进行固定随机种子。

基于yolov5的红绿灯识别模型，可应用于嵌入式大赛。包括程序和数据集。

04-25

基于yolov5的红绿灯识别模型，可应用于嵌入式大赛。包括程序和数据集。

参与评论您还未登录，请先登录后发表或查看评论

【玩转yolov5】请看代码之augment_hsv

01-23

5342

augment_hsv作为yolov5的默认数据增量方式之一，试图在hsv颜色空间上对图片进行变换，达到数据增量的效果。那么什么是hsv颜色空间呢？在日常生活中我们描述一件物品的颜色的时候通常会说"它是什么颜色(H)?"，"颜色深不深(S)?"，"亮不亮(V)?"，这其实就是在表述hsv颜色空间，可见他相比rgb颜色空间更符合人们对颜色的认知。对于hsv颜色空间网上有大量的资料，非本方的重点，这里只是就yolov5的代码和默认配置来直观地了解一下augment_hsv的增量效果。 import ...

CV — 数据增强：yolov5 HSV色调变换

pentiumCM的博客

07-27

5525

文章目录CV — 数据增强：HSV色调变换一、前言二、代码实现 CV — 数据增强：HSV色调变换一、前言 RGB颜色空间更加适合于显示系统，而 HSV 更加适合于图像处理，大多数做图像处理这一块的都会运用 HSV 颜色空间，因为HSV颜色空间表达起来更加直观。 RGB 与 HSV 颜色空间区别，可参考资料：https://blog.csdn.net/pentiumCM/article/details/119145452 二、代码实现实现方案：参照 yolov5 源码、通过在 HSV 色彩空

调整yolov5的mosic模式和HSV色相、对比度、亮度

Major_S的博客

03-28

926

【代码】调整yolov5的mosic模式和HSV色相、对比度、亮度。

『数据增强』yolov5 数据增强与红外数据增强

weixin_45824067的博客

07-16

1358

从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。图(a)中人的面部（位置1），电路板（位置3）这些高温物体的局部温差不仅都得到了体现，而且可在位置2上发现热像自身辐射在玻璃上反射所成的镜像，图(c)中高炉的炉壁以及中间的燃料通过DDE增强后也清晰可见。高频信息在图像中的变化较为剧烈，有许多细微的变化。

Yet-Another-YOLOv4-Pytorch:YOLOv4 Pytorch实施具有所有免费赠品和特价，以及15项以上的独家改进。易于使用！

04-01

HSV转变为火车 MOSAIC的火车 Dropblock层进行训练。每个PAN层一个，但是您可以轻松地将其添加到每个层。（感谢Evgenii Zheltonozhskii实现pytorch） LARS优化器火炬闪电用fgsm进行自我对抗训练 YOLOv4...

color-picker:HSV颜色选择器的实现

05-17

在本主题中，我们将深入探讨“color-picker:HSV颜色选择器的实现”，重点关注HSV色彩模型以及与RGB和HSL模型之间的转换。HSV，全称是色相（Hue）、饱和度（Saturation）和值（Value或Brightness），是一种广泛用于...

RGB-to-HSV.rar_HSV _conversion

09-14

RGB到HSV颜色空间转换颜色在计算机视觉和图像处理领域起着至关重要的作用。RGB（红绿蓝）和HSV（色相、饱和度、亮度或值）是两种广泛使用的颜色模型。RGB是一种加性颜色模型，常用于显示器，它基于三种基本原色：...

matlab-Code-HSV-aRGB.rar_HSV _argb_rgb与hsv转换

07-14

颜色HSV空间与RGB空间的相互转换，本程序已经测试可用于彩色图像处理.matlab代码，已经经过测试，很好用。

基于yolov5+CRNN的中文车牌识别系统

热门推荐

Clay_Zhang的博客

07-02

1万+

Win10下yolov5配置+训练自己的数据集本人的电脑配置： CPU：i7-8700k GPU：GTX-1080ti 操作系统：Windows 10 专业版 64bit CUDA：10.1 CUDNN：7.4 OenpCV：3.3 pyTorch：1.5 Python：3.7 ps：原理精讲以及配置参数、训练参数后续上传，目前可看本人录制的yolov3的视频讲解教程 https://www.bilibili.com/video/av53025521 首先我们先膜拜一下U佬在v4出了不久就更新v5 lin

深度学习-读取图片数据并产生用于训练的批次

11-03

1533

在开始之前，笔者想简单介绍一下tensorflow程序读取文件的三种方式：（1）：供给数据(Feeding)：在TensorFlow程序运行的每一步，让Python代码来供给数据。（2）：从文件读取数据：在TensorFlow图的起始，让一个输入管线从文件中读取数据。（3）：预加载数据：在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。 ...

torch学习第一天

weixin_44911091的博客

07-08

298

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例

yolov5 训练结果不稳定结果无法复现

jasongag的博客

12-03

1万+

首先说明一下环境： PyTorch 1.9 +CUDA 11 GPU NVIDIA GeForce RTX 3090 数量： 1 显存： 24 GB CPU Intel Xeon Gold 6130H 内核： 8核实例内存： 63G 硬盘 20.0G SSD 训练集2800张验证集1200张测试集600张最近用yolov5跑项目，但是发现多次实验结果无法复现(同一个机器，同一份代码，同样超参数，但是验证集结果不同)，在测试集上跑的结果准确率可以偏差20%，其中认为可能的问题是出在以下几点： 1

跟土堆学yolov5目标检测p7训练yolov5模型（本地）（一）

weixin_62549128的博客

03-09

745

演示运行train.py及参数介绍

固定随机种子-本人备忘录

wangasdf1的博客

06-25

600

2.在train.py文件里把1的位置注释掉，添加2的代码。1.在import里添加set_seeds导入。结束，所有工作添加完成。

YOLOv5无法稳定复现出一样结果的解决方案

qq_45834106的博客

01-15

732

torch.backends.cudnn.benchmark和torch.use_deterministic_algorithms。但是他有一个问题，YOLOv5代码中的随机种子虽然固定了，但是仍然有问题，将。YOLOv5本身会有自己的随机种子。在训练之前呢使用这个函数定义好随机种子就可以了。修改好就可以解决问题了。

yolov5常见超参数

mddCSDN的博客

09-16

983

参数设定：超参数：（scratch 从头开始，finetune 微调）锚点锚框

(python39) D:\23101\yolov5-master>python export.py --weights best.pt --img-size 640 --batch-size 1 --include onnx Traceback (most recent call last): File "D:\23101\yolov5-master\export.py", line 71, in <module> from models.yolo import ClassificationModel, Detect, DetectionModel, SegmentationModel File "D:\23101\yolov5-master\models\yolo.py", line 24, in <module> from models.common import * File "D:\23101\yolov5-master\models\common.py", line 28, in <module> from utils.dataloaders import exif_transpose, letterbox File "D:\23101\yolov5-master\utils\dataloaders.py", line 31, in <module> from utils.augmentations import (Albumentations, augment_hsv, classify_albumentations, classify_transforms, copy_paste, File "D:\23101\yolov5-master\utils\augmentations.py", line 15, in <module> from utils.general import LOGGER, check_version, colorstr, resample_segments, segment2box, xywhn2xyxy File "D:\23101\yolov5-master\utils\general.py", line 38, in <module> from ultralytics.yolo.utils.checks import check_requirements ModuleNotFoundError: No module named 'ultralytics'

05-24

这个错误提示是缺少 `ultralytics` 模块，你需要先安装 `ultralytics` 模块，可以使用以下命令安装： ``` pip install ultralytics ``` 安装完成后再次运行 `export.py` 应该就可以了。