目标检测 - yolov5建模过程技巧总结

一、标注

选择适当的边框标注方式
1.标注方式越精准，提供给网络训练时的冗余信息就越少；
2.先验越充分，网络的可学习方案就越少，有利于约束网络的训练方向和减少网络的收敛时间；
3.当目标物体过于紧密时，精准的标注方式可以避免被NMS”错杀“已经检出的目标。

二、训练

选择适当的学习率
1.刚开始训练是，模型的权重（weights）是随机初始化的，此时若选择一个较大的学习率，可能带来模型的不稳定（振荡）
选择Warmup预热学习率的方式，可以使得训练开始的几个epoches或者一些steps内学习率较小，在预热的小学习率下，模型可以慢慢趋于稳定，等模型相对稳定后在选择预先设置的学习率进行训练，使得模型收敛速度变得更快，模型效果更佳。