deeplearnig

yolo训练日志

yolo训练日志

通过两天的训练,得到训练后的权值,效果有喜有忧.

  1. 数据量的大小对训练的影响.

    第一次训练的图片约为6000张

    第一次训练的图片约为94000张

    迭代次数为120000次

    准确度是否与数据集大小成正相关?

    但是效果却不明显.

  2. 参数设置对训练的影响

    net

    
    # batch:每次迭代要进行训练的图片数量
    # subdivisions:源码中的图片数量int imgs = net.batch * net.subdivisions * ngpus,按subdivisions大小分批进行训练 
    batch=64      	
    subdivisions=8	
    
    # width:输入图片宽度, height:输入图片高度,channels :输入图片通道数
    width=416
    height=416
    channels=3
    
    momentum=0.9
    decay=0.0005
    
    # 对于每次迭代训练,YOLOv2会基于角度(angle),饱和度(saturation),曝光(exposure),色调(hue)产生新的训练图片
    # angle:图片角度变化,单位为度,假如angle=5,就是生成新图片的时候随机旋转-5~5度 
    angle=0
    # saturation & exposure: 饱和度与曝光变化大小,tiny-yolo-voc.cfg中1到1.5倍,以及1/1.5~1倍 
    saturation = 1.5
    exposure = 1.5
    # hue:色调变化范围,tiny-yolo-voc.cfg中-0.1~0.1 
    hue=.1
    
    # 学习率
    learning_rate=0.001
    # max_batches:最大迭代次数 
    max_batches = 120000
    
    # 按照steps策略调整学习率,还有EXP,CONSTANT,POLY等
    policy=steps
    # 根据batch_num调整学习率
    steps= -1,100,80000,100000
    # 学习率变化的比例,累计相乘
    scales=.1,10,.1,.1
    

    convolution

    
    batch_normalize=1
    
    #卷积核的个数  
    filters=512
    
    size=3
    stride=1
    pad=1
    
    #leaky激活函数,大于0的为x,小于0的为0  
    activation=leaky 
    

    max pool

    
    size=2
    stride=1
    

    region

    
    # anchors:预测框的初始宽高,第一个是w,第二个是h,总数量是num*2,
    # YOLOv2作者说anchors是使用K-MEANS获得,其实就是计算出哪种类型的框比较多,可以增加收敛速度,
    # 如果不设置anchors,默认是0.5,还有就是anchors读入参数中名字是biases 
    anchors = 0.738768,0.874946,  2.42204,2.65704,  4.30971,7.04493,  10.246,4.59428,  12.6868,11.8741
    
    #在YOLOv2中anchors的维度是通过对GT聚类得到的,所给出的5个尺度肯定是适用于VOC2007 2012数据集的,如果借鉴的网络训练自己的数据,就需要更改这个anchor的尺度,anchor的个数当然是越多越好,兼顾效率和精度,作者选了5个,对于小目标这个没有直接的关系,希望能帮到你。
    
    # bias_match:如果为1,计算best iou时,预测宽高强制与anchors一致 
    bias_match=1
    
    # classes:类别数量
    classes=98
    
    # coords: BoundingBox的tx,ty,tw,th,tx与ty是相对于左上角的gird,
    # 同时是当前grid的比例,tw与th是宽度与高度取对数 
    coords=4
    
    # num:每个grid预测的BoundingBox个数 
    num=5
    # softmax:如果为1,使用softmax作为激活函数
    softmax=1
    
    # jitter: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
    # crop就是jitter的参数,tiny-yolo-voc.cfg中jitter=.2,就是在0~0.2中进行crop
    # 通过抖动增加噪声,控制过拟合
    jitter=.2
    
    # rescore:决定使用哪种方式计算IOU的误差,为1时,使用当前best iou计算,为0时,使用1计算
    rescore=1
    
    # object_scale & noobject_scale & class_scale & coord_scale
    # YOLOv1论文中cost function的权重,哪一个更大,每一次更新权重的时候,对应方面的权重更新相对比重更大
    
    # 计算损失时,预测框中有物体的权重
    object_scale=5
    # 计算损失时,预测框中没有物体的权重
    noobject_scale=1
    # 计算类别损失时的权重
    class_scale=1
    # 计算损失时坐标偏差的权重
    coord_scale=1
    
    absolute=1
    
    # thresh: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 
    thresh = .6
    
    # random: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
    random=1
    
  3. 输出结果分析

    
    Loaded: 0.000029 seconds
    Region Avg IOU: 0.776567, Class: 0.999925, Obj: 0.418946, No Obj: 0.000931, Avg Recall: 1.000000,  count: 8
    ...
    119999: 6.035534, 6.783708 avg, 0.000010 rate, 2.310784 seconds, 7679936 images
    
    • Region Avg IOU: 这个是预测出的bbox和实际标注的bbox的交集 除以 他们的并集。显然,这个数值越大,说明预测的结果越好。
    • Avg Recall: 这个表示平均召回率, 意思是 检测出物体的个数 除以 标注的所有物体个数。
    • count: 标注的所有物体的个数。 如果 count = 6, recall = 0.66667, 就是表示一共有6个物体(可能包含不同类别,这个不管类别),然后我预测出来了4个,所以Recall 就是 4 除以 6 = 0.66667 。

    11999

    • 11999是~次数,6.035534train loss6.783708 avgavg train loss0.000010 rate是学习率, 2.310784 seconds是 batch的处理时间, 最后是已经一共处理了多少张图片。
    • 重点关注 train loss 和avg train loss,这两个值应该是随着iteration增加而逐渐降低的。
    • 如果loss增大到几百那就是训练发散了,如果loss在一段时间不变,就需要降低learning rate或者改变batch来加强学习效果。
  4. 如何处理呢

    • 找到 loss的极值点
    • 多训练个几万次
    • 迷茫中…..

    Reference

    http://blog.csdn.net/Fate_fjh/article/details/70598510

    http://www.cnblogs.com/hansjorn/p/7491391.html

    训练自己的数据集时 修改参数和代码

    http://blog.csdn.net/q6324266/article/details/54375452

    http://blog.csdn.net/hysteric314/article/details/54097845

发表评论

电子邮件地址不会被公开。 必填项已用*标注