yolov5训练map太小

最新推荐文章于 2025-04-30 13:49:25 发布
最新推荐文章于 2025-04-30 13:49:25 发布
阅读量5.2k 收藏 5
点赞数 1
文章标签： 深度学习 pytorch 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_33228039/article/details/122500240
版权

1.标注错误

yolov5 需要的标注格式是class ,center_x,center_y,w,h 。使用coco数据集要数据格式转换

2. 删除cache

每次运行的时候，代码都会把数据集放在。cache文件。所以如果更改数据集，一定要删除这个缓存文件。不然数据集依然还是原来的

YOLOv5训练自己的数据集（VOC格式的数据集和txt格式的数据集）
weixin_48695781的博客
12-02 4953
这里主要供自己自学使用，参考的文章如下; https://blog.youkuaiyun.com/weixin_44966641/article/details/118605063 https://blog.youkuaiyun.com/qq_36756866/article/details/109111065 本文章主要介绍了两种数据集的准备，第一种是我只有VOC格式，这是需转txt。第二种是我只有txt格式的。 * 准备工作 环境：ubuntu18，虚拟环境python=3.8，CUDA=11.3（这是我的环境，其实根据yol
exdark数据集用yolov11训练map只有0.5几，是出了什么问题，别人都0.7，0.8...如何解决？
最新发布
**My Coding Family**
04-30 1709
🏆 本文收录于《全栈Bug调优(实战版)》专栏，致力于分享我在项目实战过程中遇到的各类Bug及其原因，并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者，本文将为你指引出一条更高效的Bug修复之路，助你早日登顶，迈向财富自由的梦想🚀！同时，欢迎大家关注、收藏、订阅本专栏，更多精彩内容正在持续更新中。让我们一起进步，Up！Up！Up！    备注： 部分问题/难题源自互联网，经过精心筛选和整理，结合数位十多年大厂实战经验资深大佬经验总结所得，数条可行方案供所需之人参考。
在测试YOLO5时遇见的bug: Can‘t get attribute ‘SPPF‘ on ＜module: xxxx＞（已解决，并附带清除缓存~）
qq_60294766的博客
04-30 267
解决运行YOLO5报错：Can't get attribute 'SPPF'，因为直接运行会从GitHub上自动下载v7.0版本
yolov5模型训练时P,R,map较低原因（戴上眼镜=带上口罩）
fyjyyds的博客
02-27 1万+
本人最近用yolov5进行人脸口罩识别遭遇了不少问题，也被模型训练时P，R，map较低这个问题困扰了好久，先来看下运行的测试效果 标签： 预测给出的标签： 可以看到这里的识别率还是挺高的，但有谁能想到我的模型在前一天晚上还是这样的 置信度0.11，还只识别出来一个口罩55555 为了提高模型的精确度，召回率，map等等 1.首先模型需要一个庞大的数据集支撑（这很重要），每个类别的图像都要大于1000张，且最好在不同背景下都有涉及，不然模型的泛化力会很弱，无法预测更换环境后的.
yolov5使用新pt，map较低
weixin_43772066的博客
03-13 734
调整分辨率，将原始的640*640提高到1280*1280，map有显著提升。
map函数的基本操作
黑羽柚咲
11-27 695
map的基本操作函数：       C++ Maps是一种关联式容器，包含“关键字/值”对       begin()          返回指向map头部的迭代器       clear(）         删除所有元素       count()          返回指定元素出现的次数       empty()          如果map为空则返回true      
yolov5 的 mAP 和 召回率很低，但是精准率 AP还可以
weixin_43257313的博客
06-12 3544
yolo学习
yolov5如何找出召回率以及map较低的原因（或者说找出难以预测的图片）
weixin_39122088的博客
10-28 1万+
    最近一直在用yolov5（v1.0版本）做头盔、安全帽、人脸三分类的检测任务，数据集是三个数据集的融合，关于融合数据集前边说到过，这里就不再提起，最终的指标（0.5的阈值）如下： 尝试了一些增强数据方法，也用了很多优化策略，但是指标都不提升，因此从数据角度查找原因，通过指标可以看出，模型的精度很高，召回率较低，因此说明模型漏检问题较为严重，对detect.py文件进行一些修改， labels = [] #这里是画检测框的代码 for *xyxy, conf, cls in det: lab
小白也能使用yolov5训练自己的数据集实现目标检测
weixin_54186806的博客
02-14 2448
由于本人也是刚刚入门深度学习的行列，对很多理论知识的了解还不够深入，对yolov5的原理只能简单介绍一下，然后大家如果有什么问题，欢迎在评论区里留言或者私信我，我看到之后会很快恢复，希望大家能够一起进步，也欢迎大家关注我，方便交流。（该流程同时适用于ubuntu系统或者windows）下载好之后的文件分布是这样的然后我们打开data这个文件。
yolov3训练MAP值太小
04-01
如果你的YOLOv3训练MAP值太小，可能是以下几个原因： 1. 数据集不足或训练集不够多。一个好的数据集应该包含足够的样本，以确保模型可以从中学习到足够的信息。此外，训练集应该尽可能地涵盖不同的场景、光照和角度...
yolov8中map指数提高
weixin_62323885的博客
10-13 2716
mAP适用于对模型性能进行广泛评估。低 mAP表示模型可能需要全面改进。P（精确度）：检测物体的精确度，表示有多少检测是正确的。R（召回率）：模型识别图像中所有物体实例的能力。mAP50：按 0.50 的交集大于联合（IoU）阈值计算的平均精度。这是仅考虑 "容易 "检测的模型精确度的衡量标准。mAP50-95：在 0.50 至 0.95 之间的不同 IoU 门限下计算得出的平均精度的平均值。它全面反映了模型在不同检测难度下的表现。平均精度 (AP)
YOLOv5改进系列（0）——重要性能指标、训练结果评价及分析、影响mAP指标的因素、优化mAP的方法
热门推荐
路人贾的博客
05-08 3万+
训练结果如何看？如何提高mAP?看看这篇就全部搞懂啦！超级详细，小白也能看懂！
pytorch_yolov3解决类别不均衡导致MAP较低的问题
qq_33270279的博客
04-18 8850
文章目录pytorch_yolov3 loss函数设计解决样本不均衡问题描述原始loss函数loss函数的重新设计1.不同属性间比重：2.不同类别样本比重：3.不同类别Ap：4.难例挖掘：5.正负目标的匹配策略： pytorch_yolov3 loss函数设计解决样本不均衡 问题描述 1.样本量类别间不均衡导致MAP过低（占比较低的类别AP值接近于0）。 2.正负样本比例失衡，导致检出率过低。 原...
YOLOV5训练时P、R、mAP等值均为0的问题
qq_65356682的博客
04-06 1万+
需要注意的是，P、R、mAP等指标为0并不一定意味着模型无效。训练时间太短：如果训练时间太短，则模型可能没有足够的时间来收敛到最佳状态。模型过于简单：如果模型过于简单，则很难从样本中学习到有效的特征。考虑增加网络的深度和宽度，或使用更复杂的网络结构。预处理步骤出现问题：确保数据预处理流程正确，例如确保使用正确的缩放方式和颜色空间转换，以及应用正确的数据增强策略。学习率过高或过低：首先尝试将学习率降低到一个更合适的水平，并考虑使用学习率调度程序来优化训练过程。
yolov5 训练bdd100k踩坑记
wangmarkqi的博客
01-07 2387
两个都是好东西，不多说，说坑： pycocotools装不上 到git上下载下来，进入setup.py，然后两行命令： D:\pyenv\yolo5\Scripts\python.exe setup.py build_ext --inplace D:\pyenv\yolo5\Scripts\python.exe setup.py build_ext install 数据格式转化 bdd的标注是这样的： yolo的是这样的： 奉上转化代码： class Bdd2yolo: def __init__
yolov5将mAP@0.5指标换成mAP@0.1
weixin_51376761的博客
04-19 810
mAP@0.5指标换成mAP@0.1
小目标检测的一些理解
weixin_38440272的博客
10-24 6211
感受野 2017CVPR github 干货：目标检测 对抗网络 cvpr 代码 1.小目标检测需要高分辨率 可以提高输入分辨率 SSD对高分辨率的底层特征没有再利用，但底层特征的语义信息少，这两个互相矛盾。 另外SSD的anchors设计为0.1~0.2，最小的anchors大小为72，还是太大了。 2.feature map不能太小 卷积网络的最后一层的feature m...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值