Yolov3参数理解

1.yolov3-voc.cfg(参考很多文章写的汇总,有些写了但还是不是很懂,如果有误请及时指正)

[net]
# Testing                                  测试模式
# batch=1
# subdivisions=1
# Training                                 训练模式
 batch=64                                  一批训练样本的样本数量,每batch个样本更新一次参数
 subdivisions=16                           batch/subdivisions作为一次性送入训练器的样本数量,如果内存不够大,将batch分割为subdivisions个子batch

										   上面这两个参数如果电脑内存小,则把batch改小一点,batch越大,训练效果越好
										   subdivisions越大,可以减轻显卡压力
										   
										   
width=416                                  input图像的宽
height=416                                 input图像的高
channels=3                                 input图像的通道数

                                           以上三个参数为输入图像的参数信息 width和height影响网络对输入图像的分辨率,
					                       从而影响precision,只可以设置成32的倍数
										   
										   
momentum=0.9                               [?]DeepLearning1中最优化方法中的动量参数,这个值影响着梯度下降到最优值得速度https://nanfei.ink/2018/01/23/YOLOv2%E8%B0%83%E5%8F%82%E6%80%BB%E7%BB%93/#more


decay=0.0005                               [?]权重衰减正则项,防止过拟合.每一次学习的过程中,将学习后的参数按照固定比例进行降低,为了防止过拟合,decay参数越大对过拟合的抑制能力越强。


angle=0                                    通过旋转角度来生成更多训练样本
saturation = 1.5                           通过调整饱和度来生成更多训练样本
exposure = 1.5                             通过调整曝光量来生成更多训练样本
hue=.1                                     通过调整色调来生成更多训练样本



learning_rate=0.001                        学习率决定着权值更新的速度,设置得太大会使结果超过最优值,太小会使下降速度过慢。
										   如果仅靠人为干预调整参数,需要不断修改学习率。刚开始训练时可以将学习率设置的高一点,
										   而一定轮数之后,将其减小
										   在训练过程中,一般根据训练轮数设置动态变化的学习率。
										   刚开始训练时:学习率以 0.01 ~ 0.001 为宜。
										   一定轮数过后:逐渐减缓。
										   接近训练结束:学习速率的衰减应该在100倍以上。
										   学习率的调整参考https://blog.csdn.net/qq_33485434/article/details/80452941
										   
										   
burn_in=1000                               在迭代次数小于burn_in时,其学习率的更新有一种方式,大于burn_in时,才采用policy的更新方式
max_batches = 20200                        训练达到max_batches后停止学习
policy=steps                               这个是学习率调整的策略,有policy:constant, steps, exp, poly, step, sig, RANDOM,constant等方式
					                       参考https://nanfei.ink/2018/01/23/YOLOv2%E8%B0%83%E5%8F%82%E6%80%BB%E7%BB%93/#more
										   
										   
steps=40000,45000                          下面这两个参数steps和scale是设置学习率的变化,比如迭代到40000次时,学习率衰减十倍。
scales=.1,.1                               45000次迭代时,学习率又会在前一个学习率的基础上衰减十倍



[convolutional]
batch_normalize=1                          是否做BN
filters=32                                 输出特征图的数量
size=3                                     卷积核的尺寸
stride=1                                   做卷积运算的步长
pad=1                                      如果pad为0,padding由 padding参数指定;如果pad为1,padding大小为size/2,padding应该是对输入图像左边缘拓展的像素数量
activation=leaky                           激活函数的类型

# Downsample

[convolutional]
batch_normalize=1
filters=64
size=3
stride=2
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=32
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

# Downsample

   ......

# Downsample


######################

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

[convolutional]
size=1
stride=1
pad=1
filters=45                          每一个[region/yolo]层前的最后一个卷积层中的 filters=(classes+1+coords)*anchors_num,
                                    其中anchors_num 是该层mask的一个值.如果没有mask则 anchors_num=num是这层的ancho
					                5的意义是5个坐标,论文中的tx,ty,tw,th,to
activation=linear

[yolo]                              在yoloV2中yolo层叫region层
mask = 6,7,8                        这一层预测第6、7、8个 anchor boxes ,每个yolo层实际上只预测3个由mask定义的anchors


anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
                                    [?]anchors是可以事先通过cmd指令计算出来的,是和图片数量,width,height以及cluster(应该就是下面的num的值,
					                即想要使用的anchors的数量)相关的预选框,可以手工挑选,也可以通过kmeans 从训练样本中学出
									
									
classes=10                          网络需要识别的物体种类数
num=9                               每个grid cell预测几个box,和anchors的数量一致。当想要使用更多anchors时需要调大num,且如果调大num后训练时Obj趋近0的话可以尝试调大object_scale
jitter=.3                           [?]利用数据抖动产生更多数据,YOLOv2中使用的是crop,filp,以及net层的angle,flip是随机的,
					                jitter就是crop的参数,tiny-yolo-voc.cfg中jitter=.3,就是在0~0.3中进行crop
									
									
ignore_thresh = .5                  决定是否需要计算IOU误差的参数,大于thresh,IOU误差不会夹在cost function中 
truth_thresh = 1
random=0                            如果为1,每次迭代图片大小随机从320到608,步长为32,如果为0,每次训练大小与输入大小一致

[route]
layers = -4

......


#可以添加没有标注框的图片和其空的txt文件,作为negative数据
#可以在第一个[yolo]层之前的倒数第二个[convolutional]层末尾添加 stopbackward=1,以此提升训练速度
#即使在用416*416训练完之后,也可以在cfg文件中设置较大的width和height,增加网络对图像的分辨率,从而更可能检测出图像中的小目标,而不需要重新训练
#Out of memory的错误需要通过增大subdivisions来解决

2.训练时的参数

本来想截一个批次的但是太大了没截全,批次大小的划分对应上面 .cfg 文件中设置的subdivisions参数。上面的的 .cfg 文件中 batch = 64 ,subdivision = 16,所以在训练输出中,训练迭代包含了16组,每组又包含了4张图片,跟设定的batch和subdivision的值一致。
(注: 也就是说每轮迭代会从所有训练集里随机抽取 batch = 64 个样本参与训练,所有这些 batch 个样本又被均分为 subdivision = 16 次送入网络参与训练,以减轻内存占用的压力)

此处有16*3条信息,每组包含三条信息,分别是: 
Region 82 Avg IOU: 
Region 94 Avg IOU: 
Region 106 Avg IOU: 
三个尺度上预测不同大小的框 82卷积层 为最大的预测尺度,使用较大的mask,但是可以预测出较小的物体 94卷积层 为中间的预测尺度,使用中等的mask, 106卷积层为最小的预测尺度,使用较小的mask,可以预测出较大的物体

批输出


针对上图中最后一行中的信息。如下的输出是由 detector.c 生成的
20001: 指示当前训练的迭代次数
0.048537: 是总体的Loss
0.048537 avg: 是平均Loss(这个数值应该越低越好,一般来说,一旦这个数值低于0.060730 avg就可以终止训练了)
0.002000 rate: 代表当前的学习率,在.cfg文件中定义了它的初始值和调整策略。
3.904890 seconds: 表示当前批次训练花费的总时间。
2560128 images:表示到目前为止,参与训练的图片的总量,是批次*batch的大小(因为我之前训练到20200次后中断过又从20000次开始的所以2560128=20001*64*2,我是这样理解的不知道对不对)

快输出

Region Avg IOU: 0.900319: 表示在当前subdivision内的图片的平均IOU,代表预测的矩形框和真实目标的交集与并集之比,这里是90.03%,很高了吧。
Class: 0.999576: 标注物体分类的正确率,期望该值趋近于1。
Obj: 0.991654: 越接近1越好。
No Obj: 0.000033: 期望该值越来越小,但不为零。

.5R:1.000000: 以IOU=0.5为阈值时候的recall; recall = 检出的正样本/实际的正样本

.75R:1.000000:以IOU=0.75为阈值时候的recall
count: 1:count后的值表示所有的当前subdivision图片(本例中一共4张)中包含正样本的图片的数量。在输出log中的其他行中,可以看到其他subdivision也有0、2、3、4,说明在subdivision中含有不含检测对象的图片。

参考了很多文章,感谢,有误请指正

没有更多推荐了,返回首页