YOLOv3训练

训练教程官网：YOLO官网
附带一个详细的训练教程：YOLOv3训练及测试自己的数据集
一通操作之后，发现没有loss和IOU的可视化，非常不方便，所以又找到了可视化的教程：loss等可视化
在这里说一下cfg中一些参数的意义:

mask的意义：
每一层都要知道所有的anchor boxes，但是每一层的预测是其中的子集，这里的mask是告诉每一层他们负责预测的anchor box是哪些。在这张截图里，它负责预测的是最大的三个anchor box。如果没有了mask，它将预测全部的anchor
输出参数的含义
Region xx: cfg文件中yolo-layer的索引；
Avg IOU: 当前迭代中，预测的box与标注的box的平均交并比，越大越好，期望数值为1；
Class: 标注物体的分类准确率，越大越好，期望数值为1；
obj: 越大越好，期望数值为1；
No obj: 越小越好；
.5R: 以IOU=0.5为阈值时候的recall; recall = 检出的正样本/实际的正样本
0.75R: 以IOU=0.75为阈值时候的recall;
count: 正样本数目。

通过训练可以发现，刚开始的学习率是很小的，我觉得可能是因为一开始对anchor回归时容易出现模型的不稳定，然后学习率逐渐变大，稳定到0.001，加速收敛。
现在还在跑数据，先挂个帖，跑完了再更新。