1、YOLOv5超参数配置介绍
YOLOv5 有大约 30 个超参数用于各种训练设置。这些是在目录中*.yaml的文件中定义的/data。更好的初始猜测会产生更好的最终结果,因此在演化之前正确初始化这些值很重要。
lr0 : 0.01 #初始学习率 (SGD=1E-2, Adam=1E-3)
lrf : 0.01 #最终的 OneCycleLR 学习率 (lr0 * lrf)
momentum: 0.937 # SGD 动量/Adam beta1
weight_decay : 0.0005 #优化器权重衰减 5e-4
warmup_epochs : 3.0 # warmup epochs (fractions ok)
warmup_momentum : 0.8 #预热初始动量
warmup_bias_lr : 0.1 #预热初始偏差 lr
box : 0.05 # box loss gain
cls : 0.5 # cls 损失增益
cls_pw : 1.0 # cls BCELoss positive_weight
obj : 1.0 # obj loss gain(按像素缩放)
obj_pw : 1.0 # obj BCELoss positive_weight
iou_t : 0.20 # IoU训练阈值
anchor_t : 4.0 #锚倍阈值
#anchors:3 # 每个输出层的锚点(0 忽略)
fl_gamma : 0.0 #focal loss gamma (efficientDet default gamma=1.5)
hsv_h : 0.015 #图像 HSV-Hue 增强(分数)
hsv_s : 0.7 #图像 HSV-Saturation 增强(分数)
hsv_v : 0.4 #图像 HSV 值增强(分数)
degree : 0.0 #图像旋转 (+/- deg)
translate : 0.1 #图像翻译(+/- 分数)
scale : 0.5 #图像比例(+/- 增益)
shear:0.0 #图像剪切(+/- 度)
perspective : 0.0 #图像透视(+/- 分数),范围 0-0.001
flipud : 0.0 #图像上下翻转(概率)
fliplr : 0.5 #图像左右翻转(概率)
mosaic: 1.0 #图像马赛克(概率)
mixup : 0.0 #图像混合(概率)
copy_paste : 0.0 #段复制粘贴(概率)
2.YOLOv5内置超参配置文件介绍
1. yolov5/data/hyps/hyp.scratch-low.yaml(YOLOv5 COCO训练从头优化,数据增强低)
2. yolov5/data/hyps/hyp.scratch-mdeia.yaml(数据增强中)
3. yolov5/data/hyps/hyp.scratch-high.yaml(数据增强高)
3. 结果对比
此结果是在 weights:yolov5n6.pt,epochs:100,训练集验证集及测试集相同的情况下测得(结果仅供参考)
YOLOv5默认配置
hyp.scratch-low.yaml
hyp.scratch-med.yaml
hyp.scratch-high.yaml
文章来源:https://www.toymoban.com/news/detail-416753.html
hyp.finetune_objects365.yaml
文章来源地址https://www.toymoban.com/news/detail-416753.html
到了这里,关于YOLOv5内置--hyp超参配置文件对比的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!