Fatal编程技术网

Deep learning YOLOv4中的损失和地图图表

deep-learning computer-vision

Deep learning YOLOv4中的损失和地图图表,deep-learning,computer-vision,object-detection,yolo,darknet,Deep Learning,Computer Vision,Object Detection,Yolo,Darknet,我对“你只看一次”的目标检测算法（确切地说是YOLOv4）还是个新手。我有一些关于地图和损失表的问题 我试着按照谷歌Colabs的指示，并使用谷歌Colabs训练我的自定义对象检测器。培训结束后，将显示损失和地图图，如下所示 损失和地图图表： 我的问题是： 除此之外还有其他图表吗 这是培训损失还是验证损失 为什么在迭代1200附近会突然下降 训练的输出是否仅限于图表和重量文件 图表中的损失用于验证 迭代1200附近的下降很可能是因为与其他小批量数据相比，特定小批量数据的平均精度较低 停止训练后

我对“你只看一次”的目标检测算法（确切地说是YOLOv4）还是个新手。我有一些关于地图和损失表的问题

我试着按照谷歌Colabs的指示，并使用谷歌Colabs训练我的自定义对象检测器。培训结束后，将显示损失和地图图，如下所示

损失和地图图表：

我的问题是：

  • 除此之外还有其他图表吗
  • 这是培训损失还是验证损失
  • 为什么在迭代1200附近会突然下降
  • 训练的输出是否仅限于图表和重量文件
  • 图表中的损失用于验证
  • 迭代1200附近的下降很可能是因为与其他小批量数据相比，特定小批量数据的平均精度较低
  • 停止训练后，可能必须手动显式保存权重
    • 关于第二和第三个问题，请检查第2.2点

  • 对。但是，如果要导出日志并用其制作图表，可以尝试以下命令：
    • /darknet探测器序列数据/obj.data cfg/yolov4.cfg yolov4.weights-map | tee results.log

  • 蓝色曲线是培训损失或培训数据集上的错误（特别是YOLOv4的联合或CIoU损失的完全交叉）。有关CIoU损失的更多详细信息。红线是超过联合阈值的50%交点处的平均精度(mAP@0.5)，它将检查您的模型在以前从未见过的数据集或验证集上是否具有良好的通用性。如果你想更了解地图，你可以参考这个

  • 您正在使用自定义数据集吗？迭代1200附近的下降可能是由数据集中的某些问题引起的。要检查，请尝试以下方法：

    （a） 检查您的数据集-使用标志
    运行训练-显示\u imgs
    ，即
    /darknet探测器训练-显示\u imgs
    并查看
    aug\uu…jpg
    图像，您是否看到正确的真值框

    （b） 检查生成的文件
    bad.list
    和
    bad\u label.list
    （如果存在）。这些文件包含可能有问题的标签文件

  • 对。但是如果您启用了日志文件（请检查我的答案1），则不会