Yolov5知识点

模型训练、模型测试、模型推断都要注意设定img-size，需要统一img-size。

yolov5的img-size设定没有上限，但是越大越吃显存，训练也会越慢；并且img-size必须是32的倍数。

 

模型导出onnx的时候设定输入的图片宽高可以按需要设定，不一定要和训练的设定img-size一致。因为第二个层是卷积层，权重为32*3*3*3，意思是32个卷积核，之前输入图片为3通道，每个卷积核size为

 

图片在喂进yolov5网络之前会先进行一系列预处理，比如图像归一化。

图像归一化有两种：

一种是resize到[-1,1]：img = (img - 127.5)/127.5

一种是resize到[0,1]：img = (img - 0)/255.0

yolov5采取的后者，resize到[0,1]，此时处理的均值为0，方差为255.0。相关代码在yolov5 detect.py line67：

img /= 255.0  # 0 - 255 to 0.0 - 1.0

 

 

最好修改train里面保存模型的代码，保存每个epoch的模型。因为验证集与现实场景具有一定差距，验证集好不一定实际好。多保存可以实际测试。

 

Infer只infer想要的类：

在detect.py的line111-113，其中的int(cls)是类名在数据的yaml文件中names的序号（如coco.yaml的person类的序号就是0）.因此可以再起