Closed BruceFreedom closed 3 years ago
Hello @HuDewen, thank you for your interest in our work! Please visit our Custom Training Tutorial to get started, and see our Jupyter Notebook , Docker Image, and Google Cloud Quickstart Guide for example environments.
If this is a bug report, please provide screenshots and minimum viable code to reproduce your issue, otherwise we can not help you.
If this is a custom model or data training question, please note Ultralytics does not provide free personal support. As a leader in vision ML and AI, we do offer professional consulting, from simple expert advice up to delivery of fully customized, end-to-end production solutions for our clients, such as:
For more information please visit https://www.ultralytics.com.
是的,必须把数据集调整成长宽一样,我昨天遇到了和你一样的问题,pad以后再训练效果就很正常了
是的,必须把数据集调整成长宽一样,我昨天遇到了和你一样的问题,pad以后再训练效果就很正常了
我今天调整完后,效果也正常了; 不过类似于我这种目标相对大的数据集,数据增强部分只能选择性的用,目标很容易有缺失,导致bbox的loss难以下降,
非密集小物体检测的话看数据集的规模情况可以选择不使用mosaic,如果规模太小,必须使用大量的数据增强确保不过拟合,这时候可以开启mosaic,但开启mosaic之后可能会破坏部分超大物体的完整性,这个时候要修改一下代码,mosaic之后先resize一下,再进行crop。 具体操作可以参考:https://github.com/hukaixuan19970627/YOLOv5_DOTA_OBB/issues/57
非密集小物体检测的话看数据集的规模情况可以选择不使用mosaic,如果规模太小,必须使用大量的数据增强确保不过拟合,这时候可以开启mosaic,但开启mosaic之后可能会破坏部分超大物体的完整性,这个时候要修改一下代码,mosaic之后先resize一下,再进行crop。 具体操作可以参考:#57
有道理,我试试
还是碰到一个问题,关闭了数据增强功能,我刻意训练模型过拟合(数据大约500张,数据1920x1080,padding成1920x1920,训练时候resize成720x720),但是angle 的loss一直无法收敛,直接使用训练集进行测试,置信度为0.3有很多检测不出来,调整到0.1,很多误检,angle无法收敛会不会和数据有关,每张图片只有一个目标,也只能有一个angle输入
多任务训练的时候,一般几个loss之间下降的趋势要同步才会有比较好的检测效果,可以适当调节一下loss权重; 目标数量太少的话首先就是会引入θ类别的不平衡,mosaic和mixup都可以开起来,对yolov5整个流程代码比较熟悉的话,还可以在代码中添加旋转增强代码,对你这个任务场景的识别有很明显的性能提升的
多任务训练的时候,一般几个loss之间下降的趋势要同步才会有比较好的检测效果,可以适当调节一下loss权重; 目标数量太少的话首先就是会引入θ类别的不平衡,mosaic和mixup都可以开起来,对yolov5整个流程代码比较熟悉的话,还可以在代码中添加旋转增强代码,对你这个任务场景的识别有很明显的性能提升的
好的,我试试,谢谢啦
自制数据集(长宽不相等,1920*1080,大约800张),2个类别,没有使用mosaic训练,训练参数中添加--rect,训练了150epoch(问题和这个类似:https://github.com/hukaixuan19970627/YOLOv5_DOTA_OBB/issues/57), 刚开始没有检测到任何目标(使用的训练集),后来将置信度调整到0.05,部分图片部分目标,但是bbox的尺寸明显不对
在之前训练的时候,由于看到前3个batch的label位置明显不对,查看数据代码是label反归一化的问题,修改后仍然出现这个位置问题,但添加--rect后正常,但检测结果确定有点问题,看了下历史issue,会不会和我的训练集的图片长宽不等有关