Yolov3参数理解

最新推荐文章于 2025-07-06 23:27:50 发布

Rani_zZ

最新推荐文章于 2025-07-06 23:27:50 发布

阅读量4.9w

点赞数 60

CC 4.0 BY-SA版权

分类专栏： YoLoV3 深度学习

本文链接：https://blog.youkuaiyun.com/weixin_42731241/article/details/81474920

1.yolov3-voc.cfg(参考很多文章写的汇总，有些写了但还是不是很懂，如果有误请及时指正)

[net]
# Testing                                  测试模式
# batch=1
# subdivisions=1
# Training                                 训练模式
 batch=64                                  一批训练样本的样本数量，每batch个样本更新一次参数
 subdivisions=16                           batch/subdivisions作为一次性送入训练器的样本数量,如果内存不够大，将batch分割为subdivisions个子batch

										   上面这两个参数如果电脑内存小，则把batch改小一点，batch越大，训练效果越好
										   subdivisions越大，可以减轻显卡压力
										   
										   
width=416                                  input图像的宽
height=416                                 input图像的高
channels=3                                 input图像的通道数

                                           以上三个参数为输入图像的参数信息 width和height影响网络对输入图像的分辨率，
					                       从而影响precision，只可以设置成32的倍数
										   
										   
momentum=0.9                               [?]DeepLearning1中最优化方法中的动量参数，这个值影响着梯度下降到最优值得速度https://nanfei.ink/2018/01/23/YOLOv2%E8%B0%83%E5%8F%82%E6%80%BB%E7%BB%93/#more


decay=0.0005                               [?]权重衰减正则项，防止过拟合.每一次学习的过程中，将学习后的参数按照固定比例进行降低，为了防止过拟合，decay参数越大对过拟合的抑制能力越强。


angle=0                                    通过旋转角度来生成更多训练样本
saturation = 1.5                           通过调整饱和度来生成更多训练样本
exposure = 1.5                             通过调整曝光量来生成更多训练样本
hue=.1                                     通过调整色调来生成更多训练样本



learning_rate=0.001