YOLOv5超参数如何调整以达到最佳优化效果?
- 内容介绍
- 文章标签
- 相关推荐
本文共计2085个文字,预计阅读时间需要9分钟。
目录yaml文件超参数优化策略总结yaml文件模型深度宽度nc: 3
目录
- yaml文件
- 超参数
- 优化策略
- 总结
yaml文件
模型深度&宽度
nc: 3 # 类别数量 depth_multiple: 0.33 # model depth multiple width_multiple: 0.50 # layer channel multiple
depth_multiple:控制子模块数量=int(number*depth)
width_multiple:控制卷积核的数量=int(number*width)
Anchor
anchors: - [10,13, 16,30, 33,23] # P3/8,检测小目标,10,13是一组尺寸,总共三组检测小目标 - [30,61, 62,45, 59,119] # P4/16,检测中目标,共三组 - [116,90, 156,198, 373,326] # P5/32,检测大目标,共三组
该anchor尺寸是为输入图像640×640分辨率预设的,实现了即可以在小特征图(feature map)上检测大目标,也可以在大特征图上检测小目标。三种尺寸的特征图,每个特征图上的格子有三个尺寸的anchor。
本文共计2085个文字,预计阅读时间需要9分钟。
目录yaml文件超参数优化策略总结yaml文件模型深度宽度nc: 3
目录
- yaml文件
- 超参数
- 优化策略
- 总结
yaml文件
模型深度&宽度
nc: 3 # 类别数量 depth_multiple: 0.33 # model depth multiple width_multiple: 0.50 # layer channel multiple
depth_multiple:控制子模块数量=int(number*depth)
width_multiple:控制卷积核的数量=int(number*width)
Anchor
anchors: - [10,13, 16,30, 33,23] # P3/8,检测小目标,10,13是一组尺寸,总共三组检测小目标 - [30,61, 62,45, 59,119] # P4/16,检测中目标,共三组 - [116,90, 156,198, 373,326] # P5/32,检测大目标,共三组
该anchor尺寸是为输入图像640×640分辨率预设的,实现了即可以在小特征图(feature map)上检测大目标,也可以在大特征图上检测小目标。三种尺寸的特征图,每个特征图上的格子有三个尺寸的anchor。

