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
要研究深度学习的可解释性（Interpretability），应从哪几个方面着手？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？
如何评价微软提出的无监督视觉模型BEiT：ImageNet达到88.6，ADE20K达到57.0？
有哪些令你印象深刻的魔改transformer？
如何评价余凯在朋友圈发表呼吁大家用 caffe、mxnet 等框架，避免使用 TensorFlow？
了解/从事机器学习/深度学习系统相关的研究需要什么样的知识结构？
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？
消融实验是什么？
如何评价Hinton组的新工作SimCLR?
深度学习中有哪些数据增强方法？
相关的话题
如何理解 Swin Transformer 和 Vision Transformer不同任务上的差异？为什么有些学数学的看不惯甚至鄙视 Deep Learning？
如何看待 AlphaFold 在蛋白质结构预测领域的成功？
新手如何入门pytorch？
自监督学习（Self-supervised Learning）有什么比较新的思路？
测试集在构造的时候需要人为控制其中应该正确的和应该错误的数据比例吗？
DL/ML 模型如何部署到生产环境中？
人能否通过训练用四肢跑得比双腿快？
resnet（残差网络）的F（x）究竟长什么样子？
如何判断两个Deep Learning 数据集的数据分布是否一致？
机器之心提问：如何评价Facebook Training ImageNet in 1 Hour这篇论文?
TVM 最新发布版本 0.3 有哪些亮点？
为什么CV能做到让一幅人脸图动了笑了，而NLP的text-style-transfer进展貌似一般？
图片上训的模型，怎么迁移视频上呢？
怎么选取训练神经网络时的Batch size?
CVPR 2018 有什么值得关注的亮点？
如何评价FAIR提出的MaskFormer，在语义分割ADE20K上达到SOTA：55.6 mIoU？
如何评价微软亚研院提出的把 Transformer 提升到了 1000 层的 DeepNet？
如何看待谷歌研究人员提出的卷积正则化方法「DropBlock」？
Resnet是否只是一个深度学习的trick？
如何理解 natural gradient descent?
你实践中学到的最重要的机器学习经验是什么？
如何评价Deepmind自监督新作BYOL？
AMD 开源高性能机器智能库MIopen是否可以和cuDNN抗衡？
2021 年了，TensorFlow 和 PyTorch 两个深度学习框架地位又有什么变化吗？
图片上训的模型，怎么迁移视频上呢？
为什么deep lab v3起，输出不再接 DenseCRF了？
2019 秋招的 AI 岗位竞争激烈吗？
机器学习小白来提问：关于联邦学习FedAVG和FedSGD的问题？
分类机器学习中，某一标签占比太大（标签稀疏），如何学习？