YOLO训练

最新推荐文章于 2025-05-28 17:58:33 发布
最新推荐文章于 2025-05-28 17:58:33 发布
阅读量1.3k 收藏
点赞数 1
文章标签： YOLO 深度学习 机器学习
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/smartsyx/article/details/129306117
版权
新手在使用YOLO进行人脸数据集A的训练时，遇到问题。训练参数batch_size设为4，epoch设为150，但训练完成后检测准确率低。对于是否应再次运行train.py以提升模型性能，以及能否用训练A的模型直接检测人脸数据集B，存在疑惑。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 新手小白，用YOLO训练人脸数据集（简称A），设置batch_size=4,epoch=150。

问题1：等这150轮训练完，程序停止，但检测准确率仍然很低，此时是直接再次运行train.py，让模型再次训练吗？这样会不会相当于重新开始了，还是说此时的模型已经是上一次训练完后更新的模型了？

问题2：如果我想测试YOLO对另一个人脸数据集（简称B）的检测结果，可以直接拿由A训练的模型去对B进行检测吗？还是要用B重新训练一次YOLO？

smartfriend_
关注
yolov8 人脸检测数据集 一万张照片，300 epoch训练好的模型best.pt文件
03-22
yolov8 人脸检测数据集 一万张照片，300 epoch训练好的模型best.pt文件 准确率能达到百分之八十以上 预训练模型使用yolov8s, gpu3080ti训练两天
关于yolov8一些训练的情况
qianxun
01-15 1万+
1、使用yolov8s训练(2000轮，真就一直训到了2000轮，不会象是yolov5一样收敛了就不训了)第一次map50=0.915，第一次训练依旧是2000轮，依旧是训练跑完2000轮了，map=0.91,map相差了0.5个点。(训练结果被我删除了，因为上面那个错误，然后我把run文件夹全部删除了。可以看到s模型640得map已经达到了44.9，v8n得map也已经达到了37.3，很强了，但是实际上是怎么样呢，我使用个人数据集进行了测试，本人得数据集在偏向于小目标，只有一类。
YOLOv8参数解释
B站 Ai学术叫叫兽的文案地
10-17 4753
YOLOv8参数详解！
yolov7模型训练结果分析以及如何评估yolov7模型训练的效果
u012254599的博客
12-26 8357
最近是刚刚训练模型，但是只会一股脑的训练是不行的，要懂得训练多少epoch，以及通过哪些指标来查看训练的效果如何，现在这几天的经验总结一下。本实验以person为例子，分别训练100epoch、60epoch、50epoch训练经验：由于并不知道到底训练多少epoch效果比较好，所以现在先设置成100。（这几天查询资料得出来的结论一般50多就差不多了）
目标检测算法——YOLOV8——算法详解
热门推荐
TigerZ*的博客
01-31 8万+
本文梳理Yolo v8 的改进点，并针对一些较难理解的点进行重点阐述，主要有如下几方面：backbone 使用C2f模块，检测头使用了anchor-free + Decoupled-head，损失函数使用了分类BCE、回归CIOU + VFL（新增项目）的组合，框匹配策略由静态匹配改为了Task-Aligned Assigner匹配方式、最后 10 个 epoch 关闭 Mosaic 的操作、训练总 epoch 数从 300 提升到了 500。
yolov4-tiny训练自己的模型并部署到RK的NPU上推理
zengwb的博客
10-17 7686
文章目录前言一、安装darknet训练框架二、模型转换二、RKNN推理 前言 使用yolov4-tiny训练西瓜检测模型，部署到RKNPU上推理Python单线程速度35FPS以上 一、安装darknet训练框架 本人使用得是这里的darknet Readme里有详细写明数据准备，cfg修改，训练步骤等，本文不在赘述。 二、模型转换 训练完成后得到yolov4-yiny.cfg和yolov4-tiny.weight, 转换为yolov4-tiny.rknn from PIL import Image i
(持续更新学习)yolov8中设置参数
m0_73406727的博客
06-21 4810
例如，在指数衰减中，学习率会随着训练的进行按照一定的指数规律逐渐减小。都被设置为 0.001，这意味着初始学习率是 0.001，并且可能有一个与之配套的学习率衰减策略，使得学习率随着训练的进行逐渐减小。例如，如果使用学习率衰减策略，每个 epoch 的学习率可能是前一个 epoch 的。：如果使用动态调整学习率的策略（如学习率衰减），可能需要较少的 epoch，因为学习率的变化有助于模型在训练过程中保持活跃。：简单的模型可能在较少的 epoch 后就能收敛，而复杂的模型可能需要更多的 epoch。
Yolo系列：免环境训练工具，支持多版本自动标注、模型转换与训练,Yolo系列：免环境训练工具，支持多版本自动标注、模型转换与训练,yolo免环境训练工具 yolo8标注工具 yolo训练工具 yol
02-14
Yolo系列：免环境训练工具，支持多版本自动标注、模型转换与训练,Yolo系列：免环境训练工具，支持多版本自动标注、模型转换与训练,yolo免环境训练工具 yolo8标注工具 yolo训练工具 yolo8 yolo4 yolo3 yolo无需搭建...
yolo免环境训练工具 yolo8标注工具 yolo训练工具 yolo8 yolo4 yolo3 yolo无需搭建环境训练工具 免环境标注、训练的工具 支持版本 yolo3 yolo4 yolo8(电
01-02
Yolo免环境训练工具是一款针对Yolo系列版本（包括Yolo3、Yolo4以及Yolo8）所设计的深度学习模型训练与标注软件。该工具特别强调在无需额外搭建复杂环境的情况下进行模型的训练和标注工作，极大地简化了传统深度学习...
使用yolo进行DOTA数据库训练，基于DOTA数据集的yolo训练-DOTA-YOLOv3.zip
10-03
"使用yolo进行DOTA数据库训练，基于DOTA数据集的yolo训练-DOTA-YOLOv3.zip"是一个专门针对DOTA数据集使用YOLOv3网络进行目标检测训练的压缩包。YOLOv3是YOLO系列模型中的第三个版本，相较于前代，YOLOv3在保持快速...
快递包裹YOLO训练数据集
04-25
【标题】"快递包裹YOLO训练数据集"指的是一个专门针对快递包裹识别的深度学习模型训练数据集。YOLO（You Only Look Once）是一种实时目标检测系统，它在计算机视觉领域广泛应用，尤其在物体识别方面表现出色。这个...
Yolo训练数据标注工具-Yolo_mark
11-09
YOLO训练通常需要大量的带有精确边界框的标注数据，这些数据集包括图像以及与每个图像对应的标注文件，通常是TXT或DAT格式。在进行YOLO训练时，手动标注大量图像是一项耗时且繁琐的工作。 `Yolo_mark` 是一个专为...
yolov8之配置文件yolo/cfg/default.yaml
m0_58845062的博客
08-04 1万+
【代码】yolov8之配置文件yolo/cfg/default.yaml。
yolov5训练自己的数据集
女神sha手的博客
07-13 3696
yolo系列在目标检测领域的地位就不用说了，github上有pytorch实现的训练yolov5的代码，本文将用自己的数据去训练一个yolov5的模型。参考代码地址 https://github.com/ultralytics/yolov5/tags 注意这里我们选择tags下的v1.0版本进行训练，不同的版本代码是不一样的，复现过程也有所差异。其中v1.0版本的训练过程和yolov3很相似 一、准备自己的数据 数据的标注，采用labelImg软件，保存下来的都是.xml格式的标注文件。本次大.
YOLOv7训练参数解释
小嘤熊的博客
11-22 2619
在我们平时的训练中我们在每一轮训练结束的时候都会计算mAP值，如果开始此参数，那么只在最后一轮计算mAP值。数据集路径，默认为coco.yaml，主要定义数据集路径，以txt文件保存【训练集、验证集和测试集】，类的数量【默认nc=80】，类名【names】。训练中模型的参数定义，采用yaml文件【注意是training下的yaml，不是deploy下的】，可以用于模型的选择。设备选择，如果是GPU就输入GPU索引【如0，1，2..】，CPU训练就填cpu。默认是开启的，可以简化训练过程；
基于Tensorflow用Yolov3训练自己的数据集
AI算法联盟
04-24 2043
背景说明：本次训练的模型分五类，分别为['whiteboard','chair','diningtable','sofa','tvmonitor']。训练数据集大约1000张。 环境：Window 10 系统，python=3.6，tensorflow=1.15 一、数据准备 1.用Labelimg标注好图像训练集，放在D:/AI\yolov3_whiteboard/data/data...
YOLOv8-Pose训练自己的数据集
qq_54134410的博客
12-14 1万+
至此，整个YOLOv8-Pose模型训练预测阶段完成。此过程同样可以在linux系统上进行，在数据准备过程中需要仔细，保证最后得到的数据准确，最好是用显卡进行训练。有问题评论区见！
04训练——基于YOLO V8的自定义数据集训练——训练结果说明
raozhongbo的博客
10-08 3894
PR_curve 是 P-R 曲线的简称，它是精确率和召回率之间的关系曲线，精确率表示预测为正类的样本中有多少是真正的正类，召回率表示真正的正类中有多少被预测为正类。当你看到如下图所示的结果，就证明训练已经结束，并且可以在左侧文件夹中找到生成的weights文件夹，其中的best.pt就是生成的效果最好的模型文件，last.pt是生成的训练到当前状态最新的模型文件。例如，all类别的mAP50-95是0.316，表示整个模型在测试集上按照IOU从0.5到0.95的不同标准，目标检测的平均精度是31.6%。
Yolov5+LPRNet车牌识别遇到的一些问题记录
最新发布
liu5z666的博客
05-28 864
cmd命令转到自己虚拟环境，例如：d:,然后转到apex-master执行setup.py命令就可。由于yaml中的字符非法，在opt.hyp后添加encoding=‘utf-8'可编码中文就可以了。这里调小batchsize,测试的数据集选大一些，要比batchsize大的多就可以！直接git clone我会出现报错，大部分报错都是网络速度慢引起的，所以建议直接从。原因：一个需要梯度的变量被就地操作，即反向传播出问题，需要去掉梯度计算。在yolo.py文件的偏置初始化位置更改，添加矩形框的就可。
yolo训练项目
03-28
### 关于YOLO训练项目的资料与教程 #### YOLO训练的基础概念 YOLO（You Only Look Once）是一种高效的实时目标检测算法，广泛应用于计算机视觉领域。为了高效地训练YOLO模型并获得良好的性能表现，掌握一些基础技巧...
评论 1
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