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。