YOLO训练技巧（持续更新）

NukaCC

已于 2023-04-19 22:53:53 修改

阅读量832

点赞数

分类专栏：视觉深度学习文章标签： python 深度学习计算机视觉人工智能

于 2023-04-19 22:49:31 首次发布

本文链接：https://blog.csdn.net/weixin_52514564/article/details/130255418

版权

3 篇文章 0 订阅

订阅专栏

1. 数据集角度

每个类拥有的图像个数大于1500张。
每个类拥有大于10000个实例。
图像要在一天内的不同时间，不同季节，不同天气，不同光照条件，不同角度，不同设备获取。
图像中的所有实例必须都被标注（这一点后来自己对比训练结果才意识到，训练图像宁缺毋滥，如果有大量图像中的实例没有标注，这些区域会被认为是背景，干扰训练精度）。
标注的准确性，boundingbox要紧紧包裹住物体。
通过yolo训练时候自带的train_batch*.jpg图像，查看是否有标注错误（有一次始终无法训练出好的结果，发现是网上搜的标注格式转化代码存在问题，标注都出现了错误）。
在训练集中加入一些没有实例的背景图像，即不存在目标的图像，这样有助于降低FP（False Positive）。（这个以前没听说过）。

注：下面给出了COCO数据集和PASCAL VOC数据集每个类拥有的标注实例个数，可以发现每个类是比较平均的。