yolov5训练map太小

最新推荐文章于 2023-09-03 00:53:44 发布
最新推荐文章于 2023-09-03 00:53:44 发布
阅读量4.8k 收藏 4
点赞数 1
文章标签： 深度学习 pytorch 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33228039/article/details/122500240
版权

1.标注错误

yolov5 需要的标注格式是class ,center_x,center_y,w,h 。使用coco数据集要数据格式转换

2. 删除cache

每次运行的时候，代码都会把数据集放在。cache文件。所以如果更改数据集，一定要删除这个缓存文件。不然数据集依然还是原来的

东东就是我
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
darknet yolov3 mAP 计算python3代码
09-23
基于darknet，划分的数据集，在使用trans数据训练出模型后，使用test数据集，测试模型性能，计算mAP指数。
目标检测 YOLOv5 - 如何提高模型的指标，提高精确率，召回率，mAP等
热门推荐
flyfish
10-11 5万+
目标检测 YOLOv5 - 如何提高模型的指标，提高精确率，召回率，mAP等 flyfish 文中包括了YOLOv5作者分享的提高模型指标小技巧和吴恩达（Andrew Ng）在做缺陷检测项目（ steel sheets for defects）时遇到的需要提高模型指标的问题是如何解决的。 1 YOLOv5获得最佳训练效果指南 大多数情况下，只要数据集足够大且良好标注(provided your dataset is sufficiently large and well labelled)，就可以在不更改模
yolov5模型训练时P,R,map较低原因（戴上眼镜=带上口罩）
fyjyyds的博客
02-27 1万+
本人最近用yolov5进行人脸口罩识别遭遇了不少问题，也被模型训练时P，R，map较低这个问题困扰了好久，先来看下运行的测试效果 标签： 预测给出的标签： 可以看到这里的识别率还是挺高的，但有谁能想到我的模型在前一天晚上还是这样的 置信度0.11，还只识别出来一个口罩55555 为了提高模型的精确度，召回率，map等等 1.首先模型需要一个庞大的数据集支撑（这很重要），每个类别的图像都要大于1000张，且最好在不同背景下都有涉及，不然模型的泛化力会很弱，无法预测更换环境后的.
map函数的基本操作
黑羽柚咲
11-27 653
map的基本操作函数：       C++ Maps是一种关联式容器，包含“关键字/值”对       begin()          返回指向map头部的迭代器       clear(）         删除所有元素       count()          返回指定元素出现的次数       empty()          如果map为空则返回true      
yolov5如何找出召回率以及map较低的原因（或者说找出难以预测的图片）
weixin_39122088的博客
10-28 1万+
    最近一直在用yolov5（v1.0版本）做头盔、安全帽、人脸三分类的检测任务，数据集是三个数据集的融合，关于融合数据集前边说到过，这里就不再提起，最终的指标（0.5的阈值）如下： 尝试了一些增强数据方法，也用了很多优化策略，但是指标都不提升，因此从数据角度查找原因，通过指标可以看出，模型的精度很高，召回率较低，因此说明模型漏检问题较为严重，对detect.py文件进行一些修改， labels = [] #这里是画检测框的代码 for *xyxy, conf, cls in det: lab
yolov5使用新pt，map较低
weixin_43772066的博客
03-13 427
调整分辨率，将原始的640*640提高到1280*1280，map有显著提升。
yolov5 的 mAP 和 召回率很低，但是精准率 AP还可以
weixin_43257313的博客
06-12 2727
yolo学习
Visdrone数据集YOLOv5模型训练结果，VisDrone-训练结果-yolov5-版本5.zip
10-21
Visdrone数据集YOLOv5s和YOLOv5m两个模型的训练结果，训练了300个epoches ;YOLOv5使用的是第五个版本，并且提供有相关场景下的测试的视频，有需要的可以下载
YOLOv5行人检测+训练好的行人检测模型+数据集
07-10
1、YOLOV5行人检测，内含各种训练曲线图，在几千张街道和交通场景的行人数据集中训练得到的权重，并附有数据集，使用lableimg软件标注软件标注好的行人数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，...
yolov5训练好的WiderPerson行人检测模型
03-23
1、WiderPerson数据集是比较拥挤场景的行人检测基准数据集，yolov5训练好的WiderPerson行人检测模型，训练输入尺寸为640x640 2、检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用...
Yolov5-v3安全帽检测
05-15
1.这是一个检测是否佩戴安全帽的完整训练代码项目，包含一个已训练好的yolov5m的模型，mAP在90%以上，能直接应用于要求不高的场景上。 2.参考博文：...
pytorch_yolov3解决类别不均衡导致MAP较低的问题
qq_33270279的博客
04-18 8152
文章目录pytorch_yolov3 loss函数设计解决样本不均衡问题描述原始loss函数loss函数的重新设计1.不同属性间比重：2.不同类别样本比重：3.不同类别Ap：4.难例挖掘：5.正负目标的匹配策略： pytorch_yolov3 loss函数设计解决样本不均衡 问题描述 1.样本量类别间不均衡导致MAP过低（占比较低的类别AP值接近于0）。 2.正负样本比例失衡，导致检出率过低。 原...
YOLOV5训练时P、R、mAP等值均为0的问题
qq_65356682的博客
04-06 8093
需要注意的是，P、R、mAP等指标为0并不一定意味着模型无效。训练时间太短：如果训练时间太短，则模型可能没有足够的时间来收敛到最佳状态。模型过于简单：如果模型过于简单，则很难从样本中学习到有效的特征。考虑增加网络的深度和宽度，或使用更复杂的网络结构。预处理步骤出现问题：确保数据预处理流程正确，例如确保使用正确的缩放方式和颜色空间转换，以及应用正确的数据增强策略。学习率过高或过低：首先尝试将学习率降低到一个更合适的水平，并考虑使用学习率调度程序来优化训练过程。
yolov5 训练bdd100k踩坑记
wangmarkqi的博客
01-07 2157
两个都是好东西，不多说，说坑： pycocotools装不上 到git上下载下来，进入setup.py，然后两行命令： D:\pyenv\yolo5\Scripts\python.exe setup.py build_ext --inplace D:\pyenv\yolo5\Scripts\python.exe setup.py build_ext install 数据格式转化 bdd的标注是这样的： yolo的是这样的： 奉上转化代码： class Bdd2yolo: def __init__
小目标检测的一些理解
weixin_38440272的博客
10-24 6076
感受野 2017CVPR github 干货：目标检测 对抗网络 cvpr 代码 1.小目标检测需要高分辨率 可以提高输入分辨率 SSD对高分辨率的底层特征没有再利用，但底层特征的语义信息少，这两个互相矛盾。 另外SSD的anchors设计为0.1~0.2，最小的anchors大小为72，还是太大了。 2.feature map不能太小 卷积网络的最后一层的feature m...
yolov5将mAP@0.5指标换成mAP@0.1
weixin_51376761的博客
04-19 543
mAP@0.5指标换成mAP@0.1
yolov5训练加速--一个可能忽视的细节（mmdetection也一样），为什么显卡使用率老是为0？（续）
最新发布
09-03 5150
之前写过一篇yolov5训练加速的文章，将图片缓存到内存或者缓存npy到SSD上以加速图片加载的时间，但是涉及到把原图resize到640的时候会有一些细节需要注意。
yolov3训练MAP值太小
04-01
如果你的YOLOv3训练MAP值太小，可能是以下几个原因： 1. 数据集不足或训练集不够多。一个好的数据集应该包含足够的样本，以确保模型可以从中学习到足够的信息。此外，训练集应该尽可能地涵盖不同的场景、光照和角度，以确保模型可以泛化到不同的情况下。 2. 学习率太大或太小。学习率的设置可能是训练MAP值太小的一个原因。如果学习率太大，模型会跳过最优解；如果学习率太小，模型会花费过多时间在一个子优解上。 3. 模型结构不够好。YOLOv3的模型结构非常重要，如果模型结构不够好，模型将很难学习到有效的特征，从而导致MAP值太小。 4. 数据预处理不够好。数据预处理是非常重要的，它可以帮助模型更好地学习到有效的特征。如果数据预处理不够好，模型将很难学习到有效的特征。 5. 训练时间不够长。训练时间可能是训练MAP值太小的一个原因。如果训练时间不够长，模型将无法充分学习到有效的特征。 为了提高YOLOv3的训练MAP值，你可以尝试以下方法： 1. 增加数据集或增加训练集的样本数量。 2. 调整学习率，使其不太大也不太小，可以通过尝试不同的学习率来找到一个合适的值。 3. 对模型结构进行优化或使用预训练的模型。 4. 改进数据预处理的方法，例如增加数据的多样性或使用数据增强技术。 5. 增加训练时间，以充分学习到有效的特征。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值