测试自训练数据集问题

[BruceFreedom]

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

[github-actions[bot]]

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:

• Cloud-based AI systems operating on hundreds of HD video streams in realtime.
• Edge AI integrated into custom iOS and Android apps for realtime 30 FPS video inference.
• Custom data training, hyperparameter evolution, and model exportation to any destination.

For more information please visit https://www.ultralytics.com.

[hushuai1]

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

[BruceFreedom]

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，

[hukaixuan19970627]

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

[BruceFreedom]

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

[hukaixuan19970627]

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

[BruceFreedom]

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