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。