验证性试验:yolov3训练coco数据集
发布时间:2018-08-23 09:19,
浏览次数:402
, 标签:
yolov
coco
Yolov3 中作者列出了使用coco数据集训练的数据结果,其中显示在输入图片大小为416x416的时候,模型的mAP大小为31%
,当输入图片大小为608x608的时候,模型的mAP达到33%,论文中结果截图如下:
我们做了个实验,目的是验证当我们自己训练的时候能否达到论文中的给出的结果,判断我们平时训练的方法是否有问题。
这里使用了3块TITAN
X显卡进行实验,batch设置为128,subdivision为32,其他max_batches没有改,按原来的设为500200,其他的不变。计算mAP使用的是cocoAPI(估计作者也是用的这个,使用detector
valid这个命令可以直接将测试结果生成为cocoAPI所需要的json格式,thresh设置为0.001)
1、前期训练:
./darknet detector train cfg/coco.data cfg/yolov3.cfg darknet53.conv.74 -gpus
0,1,2 | tee -a yolov3-coco-log.txt
PS: 保存log会拖慢训练的速度
然后提取log中的loss,解析并画出loss的曲线,曲线如下:
可以看到训练到后面的时候loss 基本就不在降低了,但是模型的mAP 只有25左右,远远还没达到论文