为了提升YOLO的检测精度,我们可以采取对数据集进行数据增强等。比如可以对原有数据集进行了翻转、随机拼贴、剪切等处理。
一、在Datawhale AI 夏令营中学到了以下的数据增强方法:
数据增强方法 | 描述 |
Mosaic Augmentation | 将四张训练图像组合成一张,增加物体尺度和位置的多样性。 |
Copy-Paste Augmentation | 复制一个图像的随机区域并粘贴到另一个图像上,生成新的训练样本。 |
Random Affine Transformations | 包括图像的随机旋转、缩放、平移和剪切,增加对几何变换的鲁棒性。 |
MixUp Augmentation | 通过线性组合两张图像及其标签创造合成图像,增加特征空间的泛化。 |
Albumentations | 一个支持多种增强技术的图像增强库,提供灵活的增强管道定义。 |
HSV Augmentation | 对图像的色相、饱和度和亮度进行随机变化,改变颜色属性。 |
Random Horizontal Flip | 沿水平轴随机翻转图像,增加对镜像变化的不变性。 |
常见的数据增强的参数:
参数名 | 类型 | 默认值 | 取值范围 | 描述 |
hsv_h | float | 0.015 | 0.0 - 1.0 | 调整图像色调,引入颜色变异性,提高不同光照下的泛化能力。 |
hsv_s | float | 0.7 | 0.0 - 1.0 | 调整图像饱和度,改变颜色强度,模拟不同环境条件。 |
hsv_v | float | 0.4 | 0.0 - 1.0 | 调整图像亮度,帮助模型在不同光照下表现良好。 |
degrees | float | 0 | -180 - +180 | 随机旋转图像,提高识别不同方向物体的能力。 |
translate | float | 0.1 | 0.0 - 1.0 | 平移图像,帮助模型学习检测部分可见物体。 |
scale | float | 0.5 | >=0.0 | 缩放图像,模拟物体与相机之间的不同距离。 |
shear | float | 0 | -180 - +180 | 剪切图像,模拟从不同角度观察物体的效果。 |
perspective | float | 0 | 0.0 - 0.001 | 应用随机透视变换,增强模型对3D空间物体的理解能力。 |
flipud | float | 0 | 0.0 - 1.0 | 上下翻转图像,增加数据变异性,不影响物体特征。 |
fliplr | float | 0.5 | 0.0 - 1.0 | 左右翻转图像,有助于学习对称物体和增加数据集多样性。 |
bgr | float | 0 | 0.0 - 1.0 | 翻转图像通道从RGB到BGR,提高对通道顺序错误的鲁棒性。 |
mosaic | float | 1 | 0.0 - 1.0 | 合成四张图像,模拟不同场景组合和物体交互,增强复杂场景理解。 |
mixup | float | 0 | 0.0 - 1.0 | 混合两张图像及标签,创建合成图像,增强泛化能力。 |
copy_paste | float | 0 | 0.0 - 1.0 | 复制物体并粘贴到另一图像,增加实例和学习遮挡。 |
auto_augment | str | randaugment | - | 自动应用预定义增强策略,优化分类任务。 |
erasing | float | 0.4 | 0.0 - 0.9 | 随机擦除图像部分,鼓励模型关注不明显特征。 |
二、设置YOLO的模型训练参数
YOLO 模型的训练设置包括多种超参数和配置,这些设置会影响模型的性能、速度和准确性。微调涉及采用预先训练的模型并调整其参数以提高特定任务或数据集的性能。该过程也称为模型再训练,使模型能够更好地理解和预测在实际应用中将遇到的特定数据的结果。您可以根据模型评估重新训练模型,以获得最佳结果。
通常,在初始训练时期,学习率从低开始,逐渐增加以稳定训练过程。但是,由于您的模型已经从以前的数据集中学习了一些特征,因此立即从更高的学习率开始可能更有益。在 YOLO 中绝大部分参数都可以使用默认值。
-
imgsz: 训练时的目标图像尺寸,所有图像在此尺寸下缩放。
-
save_period: 保存模型检查点的频率(周期数),-1 表示禁用。
-
device: 用于训练的计算设备,可以是单个或多个 GPU,CPU 或苹果硅的 MPS。
-
optimizer: 训练中使用的优化器,如 SGD、Adam 等,或 'auto' 以根据模型配置自动选择。
-
momentum: SGD 的动量因子或 Adam 优化器的 beta1。
-
weight_decay: L2 正则化项。
-
warmup_epochs: 学习率预热的周期数。
-
warmup_momentum: 预热阶段的初始动量。
-
warmup_bias_lr: 预热阶段偏置参数的学习率。
-
box: 边界框损失在损失函数中的权重。
-
cls: 分类损失在总损失函数中的权重。
-
dfl: 分布焦点损失的权重。
在YOLOv5及其后续版本中,imgsz
可以被设置为一个整数,用于训练和验证模式,表示将输入图像调整为正方形的尺寸,例如imgsz=640
意味着图像将被调整为640x640像素。对于预测和导出模式,imgsz
可以被设置为一个列表,包含宽度和高度,例如imgsz=[640, 480]
,表示图像将被调整为640像素宽和480像素高。较大的图像尺寸可能会提高模型的准确性,但会增加计算量和内存消耗。较小的图像尺寸可能会降低模型的准确性,但会提高计算速度和内存效率。因此,用户应根据实际场景需求及硬件资源限制,设置合适的输入图像尺寸
三、设置 YOLO 模型预测行为和性能
YOLO模型的预测结果通常包括多个组成部分,每个部分提供关于检测到的对象的不同信息。同时 YOLO 能够处理包括单独图像、图像集合、视频文件或实时视频流在内的多种数据源,也能够一次性处理多个图像或视频帧,进一步提高推理速度。
属性 | 描述 |
cls | 类别概率,表示当前预测结果属于类别0的概率为0。 |
conf | 置信度,模型对其预测结果的置信度,接近92%。 |
data | 包含边界框坐标和置信度以及类别概率的原始数据。 |
id | 没有分配唯一的对象ID。 |
is_track | 预测结果不是来自跟踪的对象。 |
orig_shape | 输入图像的原始尺寸,这里是500x500像素。 |
shape | 预测结果张量的形状,表示一个边界框的六个值。 |
xywh | 归一化的边界框坐标,中心坐标和宽高。 |
xywhn | 归一化的边界框坐标(无偏移)。 |
xyxy | 原始边界框坐标,左上角和右下角坐标。 |
xyxyn | 归一化的原始边界框坐标。 |
YOLOv8模型的使用者提供了灵活性,允许根据特定应用场景的需求调整模型的行为和性能。例如,如果需要减少误报,可以提高conf
阈值;如果需要提高模型的执行速度,可以在支持的硬件上使用half
精度;如果需要处理视频数据并希望加快处理速度,可以调整vid_stride
来跳过某些帧。这些参数的适当配置对于优化模型的预测性能至关重要。
参数名 | 类型 | 默认值 | 描述 |
conf | float | 0.25 | 置信度阈值,用于设置检测对象的最小置信度。低于此阈值的检测对象将被忽略。调整此值有助于减少误报。 |
iou | float | 0.7 | 非最大值抑制(NMS)的交并比(IoU)阈值。较低的值通过消除重叠的边界框来减少检测数量,有助于减少重复项。 |
imgsz | int 或 tuple | 640 | 推理时定义图像的大小。可以是单个整数(如640),用于将图像大小调整为正方形,或(height, width)元组。合适的尺寸可以提高检测精度和处理速度。 |
augment | bool | FALSE | 启用预测时的数据增强(TTA),可能通过牺牲推理速度来提高检测的鲁棒性。 |