前言
主要用作毕设的学习过程记录
一、一些参数的解释
-
input_shape是指定输入到网络中的图片尺寸大小,可以在416,416到608,608两个值之间修改。
-
mosaic值是否启用马赛克数据增强功能。
-
Cosine_scheduler 余弦退火学习率。
-
label_smoothing 标签平滑。
-
anchors_path指的是yoloV4中总共九种大小的鲜艳框,每个网格上默认有三个鲜艳框。
-
classes_path指向要分的类的标签文件。比如我这里是分是否戴口罩,则为face与face_masked。
每两个数值为一种鲜艳框大小。 -
num_classes计算分的标签类的个数。
-
YoloBody创建yolo4的模型。
-
最下方的这个大框是预训练好的一些权重,可以加快我们训练模型的速度。
-
Cuda这个是判断是否启用Cuda。
-
loss这里是对每一个特征层进行一个loss的计算。
-
annotation_path中是指向训练文件的绝对路径,后面的数字是代表图像中我们所要找的内容的位置。
-
对总的文件进行一个训练集和验证集的划分。
最后,先冻结一部分用10的-3次方进行训练,之后解冻再用10的-4次方进行验证。如果想要网络更细致,可以在之后进行10的-5次方进行训练。