为什么yolov5从零开始训练（不在ImageNet上预训练）能够达到如此高的性能？ 第1页
1
na-tiao-mei-you-ren-de-jie 网友的相关建议:
1.大量的数据增强：颜色变换，仿射变换，mosaic等；
2.增加正样本的方法，邻域匹配的思想，以前yolo系列都是单个网格产生落在该网格的目标，现在有上、下、左、右（根据中心点位置选择2个）和中间网格对该目标进行预测，正样本数量大大增加，所以整体训练收敛比较快；
3.形状shape对正样本选择；
4.邻域匹配的思想改变了xy的编解码，正样本选择的基础上改变了wh的编解码，原来是e指数乘anchor，现在是sigmoid乘上anchor；
5.loss方面：obj loss，giou / ciou loss，不同特征图上的iou loss权重大小，focal loss等；
6.训练方面：ema，warmup，余弦学习率衰减，超参搜索等；
7.网络结构方面等。
1
相关话题
深度学习图像处理什么时候用到GPU？如何评价何恺明等 arxiv 新作 Rethinking ImageNet Pre-training？
深度学习方面还有什么Open Problem?
如何激怒一位人工智能（机器学习、深度学习、强化学习等）爱好者？
如果不按套路下棋是不是就能赢 Alpha Go 了？
ICLR 2018 有什么值得关注的亮点？
自监督学习（Self-supervised Learning）有什么比较新的思路？
使用强化学习解决实际问题时常常避不开环境模拟或者使用离线强化学习算法，两者分别有什么优缺点？
如何评价移动端吊打一切万众期待的商汤深度学习推理框架PPL开源了却没有支持移动端？
深度学习火热兴起后，隐马尔可夫模型（HMM）还有何独到之处，是不是几乎可被深度学习模型给替代了？
相关的话题
如何看待 Google TPU？寒武纪芯片较之有哪些优势与不足？要研究深度学习的可解释性（Interpretability），应从哪几个方面着手？
中科院某所研一新生，小样本学习、数据融合、强化学习、图神经网络、资源受限的计算这几个方向选哪个更好？
生成式对抗网络GAN有哪些最新的发展，可以实际应用到哪些场景中？
如何评价Yann LeCun宣称『他已经做好放弃概率论的准备』？
算法岗位真的需要顶会才能入场吗？
自监督学习（Self-supervised Learning）有什么比较新的思路？
深度学习在无人驾驶汽车上面的运用有哪些？
FPGA做深度学习能走多远？
如何评价Google提出的MLP-Mixer：只需要MLP就可以在ImageNet上达到SOTA？
有哪些深度学习效果不如传统方法的经典案例？
2019年NeurIPS有哪些糟糕的论文？
如何评价 BERT 模型？
如何评价 Face++ 旷视科技最新出品的检测专用 backbone 网络 DetNet ？
现在tensorflow和mxnet很火，是否还有必要学习scikit-learn等框架？
如何看待李沐老师提出的「用随机梯度下降来优化人生」？
要研究深度学习的可解释性（Interpretability），应从哪几个方面着手？
如何看待 TI7 上与 Dendi solo 的 OpenAI？
如何评价「Patches are all you need」?
搞机器学习的生环化材是天坑吗？
为什么强大的 MXNet 一直火不起来？
如何理解 natural gradient descent?
为什么相比于计算机视觉(cv)，自然语言处理(nlp)领域的发展要缓慢？
TVM 最新发布版本 0.3 有哪些亮点？
如何进行图像模糊与清晰的分类？
计算机视觉是否已经进入瓶颈期？
如何理解 natural gradient descent?
如何评价Sony新出的深度学习库NNabla？
学生网络用知识蒸馏损失去逼近教师网络，如何提高学生网络的准确率？
如何理解空洞卷积（dilated convolution）？