YOLO训练结果

最新推荐文章于 2025-04-16 12:00:38 发布
最新推荐文章于 2025-04-16 12:00:38 发布
阅读量2.7k 收藏 3
点赞数
分类专栏： 计算机视觉 文章标签： 深度学习
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/weixin_44580808/article/details/107271034
版权

YOLO训练结果

背景

之前说，弄好服务器了，然后就准备数据集训练自己的模型的，今天记录下结果。

安全帽检测

安全帽用了数据集将近3000张左右吧，然后训练了两天多，loss最低的时候大概是0.9几。不知道谁kill了我的训练，没有训练到五万多步，但是训练出来test的效果还算可以。
在这里插入图片描述

跌倒检测

Fall detection大概用了2700张数据集吧，数据集的质量不如安全帽的质量高，但是loss在三万多迭代的时候就已经到了0.05左右了，还有12小时训练结束，根据三万多的模型，马上做下test看下效果，我怕不是很好。
在这里插入图片描述

计划

之后要数据可视化一下，然后做下视频流的检测。

用Python绘制yolo训练结果比较图-论文需要
weixin_41864178的博客
06-13 1198
利用训练生成的result.csv中数据，形成多模型的比较图。代码中演示的是map50、map50-95、losss的比较图。代码内容来自于网络用博客记录。
Yolo训练时，输出的参数的含义
YGBRAVE的博客
07-03 1440
深度学习模型，特别是像YOLO这样的目标检测模型，通常需要大量的计算资源和内存来进行高效的训练。了解每个批次中的实例数量可以帮助分析数据的分布和模型处理不同密度目标的能力。除了预测目标的位置外，目标检测模型还需要预测目标的类别。: 模型预测出的bounding box的平均损失值，也就是模型预测的边界框与真实边界框之间的差异。: Precision类别的预测准确度，即正确预测的物体数量占所有预测的物体数量的比例。: Recall, 类别的召回率，即正确预测的物体数量占所有真实物体数量的比例。
YOLOv3训练loss可视化.zip
12-02
该程序包主要功能就是提取Yolov3训练过程中的日志进行loss可视化程序，可用于论文的模型训练loss曲线绘制等。
YOLO损失讲解
comea23的博客
05-21 241
一点自己的认识，主要走的代码流程，理论基本没有，有错请指正。
【WT】YOLO模型训练结果文件详细分析与理论认识-以YOLOv8为例
最新发布
WT博客
04-16 1244
YOLO模型训练结果文件图涵盖了从数据标注到模型性能评估的多个方面。其中，混淆矩阵展示了模型对各类别的分类效果，F1曲线反映了模型在精确率和召回率之间的平衡，而标签分布图和相关性分布图则揭示了数据集的特征。精度、召回率和mAP曲线直观地呈现了模型性能的变化趋势，帮助开发者评估模型的优劣。训练结果中的训练批次标注图和验证批次标注与预测图则分别用于检查数据标注质量和对比模型预测结果，为模型的调试和优化提供了直观的依据。这些文件和图表共同为开发者提供了全面的视角，以便更好地理解模型的训练过程和性能表现
目标检测 YOLOv5的loss权重，以及与图像大小的关系
豆芽菜
04-23 4797
YOLOv5中有三个损失分别是 box, obj, cls在超参数配置文件hyp.*.yaml中可以设置基础值，例如训练使用时，在train.py进行更新可以看到损失与nl（number of detection layers，检测层的层数，这里是3）和图像尺寸相关，与layers相关这个好理解，是因为损失多个layers的加和。与图像尺寸相关则需要进一步探讨。然后，在loss计算时会乘上各自的权重loss.py训练时会过滤掉小于2像素的框。
YOLOV1与V3的（模型，loss要点详述）
qq_42738654的博客
08-09 565
正样本的选择： 目标中心点落在哪个grid上，然后计算这个grid的9个先验框（anchor）和目标真实位置的IOU值（直接计算，不考虑二者的中心位置），取IOU值最大的先验框和目标匹配。于是，找到的该grid中的 该anchor 负责预测这个目标，其余的网格、anchor都不负责。 负样本的选择： 计算各个先验框和所有的目标ground truth之间的IOU，如果某先验框和图像中所有物体最大的IOU都小于阈值（一般0.5），那么就认为该先验框不含目标，记作负样本，其置信度应当为0 不参与计算部分 这部分
YOLOv4：目标检测的最佳速度和精度
学姐带你玩AI的博客
12-09 2752
Yolov4其实并没有提出什么创新点，主要是对当时领域内的一些Tricks（WRC、CSP、CmBN、SAT、Mish激活、Mosaic数据增强，DropBlock和CIoU）进行了大量的实验，并且对模型的精度和速度进行了平衡；最终在MS COCO数据集上实现了43.5% AP (65.7% AP50)，在Tesla V100的实时速度为65帧/秒。1.开发了一个高效、强大的目标检测模型。它使每个人都可以使用1080ti或2080ti GPU来训练一个非常快速和准确的目标检测器。
口罩检测数据集，含有约130个数据，yolo训练结果良好
12-31
描述中提到的“yolo训练结果良好”，意味着这个数据集与Yolo模型配合得非常好，可以有效地进行口罩检测的训练，产生准确的检测结果。 数据集的构建通常包括标注工作，即为每个图像中的人脸或身体部分标记是否佩戴...
yolo免环境训练工具 yolo8标注工具 yolo训练工具 yolo8 yolo4 yolo3 yolo无需搭建环境训练工具 免环境标注、训练的工具 支持版本 yolo3 yolo4 yolo8(电
01-02
Yolo免环境训练工具是一款针对Yolo系列版本（包括Yolo3、Yolo4以及Yolo8）所设计的深度学习模型训练与标注软件。该工具特别强调在无需额外搭建复杂环境的情况下进行模型的训练和标注工作，极大地简化了传统深度学习...
Yolo系列：免环境训练工具，支持多版本自动标注、模型转换与训练,Yolo系列：免环境训练工具，支持多版本自动标注、模型转换与训练,yolo免环境训练工具 yolo8标注工具 yolo训练工具 yol
02-14
Yolo系列：免环境训练工具，支持多版本自动标注、模型转换与训练,Yolo系列：免环境训练工具，支持多版本自动标注、模型转换与训练,yolo免环境训练工具 yolo8标注工具 yolo训练工具 yolo8 yolo4 yolo3 yolo无需搭建...
darknet版yolov4训练结果
02-28
1、darknet版yolov4训练结果 2、训练好的模型包含的类别：car，airplane，person，bird，drone 3、包含custom.data，custom.names，yolov4-custom.cfg，yolov4-custom_best.weights配置文件
模型训练loss不下降，精度不上升
qq_35037684的博客
11-26 8929
模型搭建好后，训练，发现loss不下降，精度不上升… 我枯了。。 iter[110]: accuracy = 0.8114 loss = 899.3430 iter[120]: accuracy = 0.8013 loss = 917.3421 iter[130]: accuracy = 0.8103 loss = 901.3432 iter[140]: accuracy = 0.7969 loss = 925.3407 it
训练正常&异常的GAN损失函数loss变化应该是怎么样的
xiongxyowo的博客
08-02 3万+
这里以个人用到的一个网络为例，仅供参考，不代表所有情形。用tensorboard记录loss曲线的走向，横轴为迭代次数(iter)，纵轴为损失(loss)值。
如何使用Yolov4训练自己的数据集
dayuan199的博客
04-28 1490
单次检测框架： YOLOv4，像其前身一样，是一个单次检测（One-Stage）算法，意味着它在单个网络传递中执行物体检测，它将物体的定位和分类作为一个单一的回归问题解决，从而实现快速检测。基础网络（Backbone）： YOLOv4使用CSPDarknet53作为其特征提取的基础网络，它是一个强大的特征提取器，并用于从输入图像中获取有用的特征。特征金字塔（Neck）： 网络的“颈部”结构采用了Spatial Pyramid Pooling (SPP) 和 Path Aggregation Network
我们真的需要把训练集的损失降到零吗？
mathor的博客
12-01 3856
在训练模型的时候，我们需要将损失函数一直训练到0吗？显然不用。一般来说，我们是用训练集来训练模型，但希望的是验证机的损失越小越好，而正常来说训练集的损失降到一定值后，验证集的损失就会开始上升，因此没必要把训练集的损失降低到0既然如此，在已经达到了某个阈值之后，我们可不可以做点别的事情来提升模型性能呢？ICML2020的论文回答了这个问题，不过实际上它并没有很好的描述"为什么"，而只是提出了"怎么做"
YOLO v3训练过程中输出参数含义
xiao_lxl的专栏
12-20 8913
YOLO v3训练过程中输出参数含义 yolov3-voc Learning Rate: 0.001, Momentum: 0.9, Decay: 0.0005 Resizing 384 Loaded: 0.000077 seconds Region 82 Avg IOU: 0.293486, Class: 0.443128, Obj: 0.680025, No Obj: 0.532993, .5...
yolov3/4训练参数说明与终止条件和模型评估 ； 可视化训练过程中的参数； 计算数据集的mAP与PR曲线的绘制；训练可能出现的问题；yolov3如何在之前训练的基础上训练；修改文件夹权限
weeks
07-27 2670
*免责声明: 1\此方法仅提供参考 2\搬了其他博主的操作方法,以贴上路径. 3* 场景一:可视化训练过程中的参数 场景二:计算数据集的mAP与PR曲线的绘制 场景三:训练可能出现的问题 场景四:yolov3如何在之前训练的基础上训练 场景五:linux修改文件夹权限 . . . … 场景一:可视化训练过程中的参数 1.1 训练日志参数说明 参数说明参考文档 1.2 生成训练过程log文件 参考博文 下面命令将在训练的的过程中在myData文件夹下生成一个mytrain_log.txt，里面记
神经网络训练loss不下降原因集合
热门推荐
Lavi的专栏
06-29 6万+
train loss与test loss结果分析 train loss 不断下降，test loss不断下降，说明网络仍在学习; train loss 不断下降，test loss趋于不变，说明网络过拟合; train loss 趋于不变，test loss不断下降，说明数据集100%有问题; train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习率或批...
yolo训练结果和getmap图片相差很多
03-11
### YOLO 训练结果与 get_map 图像差异分析 YOLO训练结果与`get_map`生成的图像存在较大差异可能源于多个方面。这些因素包括但不限于数据集预处理方式的不同、模型配置参数设置不当以及评估指标计算方法的区别。 #### 数据集预处理的影响 在YOLO目标检测框架中，输入到网络的数据通常会经过一系列标准化操作，比如调整大小(resize)、归一化(normalization)，甚至随机增强(augmentation)[^1]。如果用于测试或验证阶段通过`get_map`函数获取的地图所基于的原始图像是未经上述相同预处理流程处理过的，则两者之间必然会出现视觉上的不一致现象。 #### 模型预测框与真实标签匹配机制 另一个可能导致这种差距的原因在于YOLO算法内部对于边界框(bounding box)位置和尺寸的具体定义及其与地面实况(ground truth)之间的映射关系上。当采用不同的IoU阈值或者其他相似度量标准来决定哪些预测应该被视作正样本时，最终得到的结果也会有所区别[^2]。 #### 解决方案建议 为了缩小YOLO训练输出同由`get_map`绘制出来的可视化效果间的鸿沟： - **统一数据准备过程**：确保所有参与对比实验中的图片都经历了完全相同的前处理步骤； - **校准评价体系**：仔细审查并同步两个不同环节下使用的各类超参设定（如置信度得分阈限confidence score threshold），使得它们尽可能保持一致； - **调试模式下的辅助工具运用**：利用诸如TensorBoard之类的监控平台实时观察训练动态变化趋势，并借助混淆矩阵(confusion matrix)等统计图表深入剖析误差分布特征。 ```python import matplotlib.pyplot as plt from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay def plot_confusion_matrix(y_true, y_pred, classes): cm = confusion_matrix(y_true, y_pred) disp = ConfusionMatrixDisplay(cm, display_labels=classes) fig, ax = plt.subplots(figsize=(10, 10)) disp.plot(ax=ax) plt.show() ```
评论 2
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