训练效果问题

[11wswhl]

upup 请问为啥yolo4的mAP特别的低啊 别的网络都是80多 这个就特别低

[bubbliiiing]

结合数据集分析，请上图

[11wswhl]

不知道怎么上图啊 别的yolo网络的map0.75都80-90多 但是yolo4却只有40多

[11wswhl]

upup 我b站私发您图片了

[bubbliiiing]

emm你好像发太快了，图都没上传好就确定了

[11wswhl]

抱歉 我再重发一下吧

[11wswhl]

[bubbliiiing]

其实主要是检测的内容……这个看不出来的饿

[bubbliiiing]

就是你的训练集啥的，以及标注情况

[11wswhl]

用您之前的yolo4代码 mAP都是80多的 这次也不知道是咋了😢

[bubbliiiing]

主要用了sgd吧，对小数据并不友好

[bubbliiiing]

你换成adam不一定有意外收获。

[11wswhl]

up 我是用的训练集和测试集 在您其他网络上性能都没问题的 那我再重新跑一次看看吧

[11wswhl]

好的 我试一下 之前用的是sgd cos init-lr0.001

[bubbliiiing]

按建议参数设置啊，别看错了。

[11wswhl]

设置成0.001是因为在别的网络上性能更好 为了对比就都统一参数了😖

[bubbliiiing]

emm难怪你效果这么差……不同网络的学习率本来就不一样

[bubbliiiing]

不同优化器的学习率也不一样

[11wswhl]

主要是没想到会这么差。。。。

[11wswhl]

导师怀疑我在造假了。。

[bubbliiiing]

先试试adam吧，按建议参数

[11wswhl]

好的

[11wswhl]

up 我正在重新跑 loss30多没问题吧😄

[bubbliiiing]

正则化的loss在里面，没什么问题

[11wswhl]

up昨天用adam优化器跑了一遍 效果还是好差啊 mAP0.75只有50多 yolo3都有70多 yolo5和yolox都是90多 这个效果是不是问题有点大啊

[bubbliiiing]

yolo5和x用的是我提供的么

[11wswhl]

对 都是您的代码

[bubbliiiing]

确实不合理啊……有没有示例的图片……

[bubbliiiing]

你的测试集什么都没变嘛

[11wswhl]

都没变 用的是一样的配置 而且之前用别的数据集 yolo4也是很低

[11wswhl]

而且yolo4主要是mAP0.75特别低。但是mAP0.5不算低。

[11wswhl]

和其他网络相比

[bubbliiiing]

你这数据集才1000多张是吧

[11wswhl]

数据集1900多张 8:1:1划分的

[bubbliiiing]

训练参数？详细点

[11wswhl]

batch 8 adam cos init-lr0.001; 冻结训练100 epoch 解冻后训练900 epoch; confendence 0.5; nms 0.5；然后选择mAP0.75最优的权重 mAP大概50多 yolo3是70.0几

[bubbliiiing]

confendence 0.5; nms 0.5这个应该不是在get_map.py设置的吧？

[11wswhl]

yolo里设置的

[11wswhl]

momentum和weights -decay是您的默认参数

[bubbliiiing]

……咱还想说关了mosaic= =但发现yolov5和x效果都还不错……咱也不懂

[11wswhl]

尴尬啊 我现在都想编数据了😂

[bubbliiiing]

代码都是新改的代码吗0 0

[11wswhl]

是啊 前天重新下了之后再跑了一次 效果还是差。哈哈 已经想合理预估数据了。

[bubbliiiing]

其它的呢 也是最新的吗0 0

[11wswhl]

都是更新了weights-decay和moment的版本 多gpu的版本有的更新了 有的没更新

[bubbliiiing]

我入土了……要不试试SGD？因为我新改的代码已经是更注重高精度框的拟合的了……入土了……

[bubbliiiing]

1e-2开始这样

[11wswhl]

再跑一次试试吧。不行就合理的编一下数据了。😂

[bubbliiiing]

兄弟……只能说建议关闭mosaic然后按照sgd且学习率为1e-2跑一遍……我也不知道为什么

[11wswhl]

好的 我试试

[11wswhl]

up是真的牛啊 改成0.01之后效果就好了