北京手机网站建设公司排名,品牌建设方式有哪些?,有什么有趣的网站,小学生编程网课前十名目录 输入端Mosaic数据增强数据增强Copy-paste数据增强- MixUp数据增强- Albumentations数据增强- Augment HSV (Hue, Saturation, Value)色度、饱和度、浓度数据增强- Random horizontal flip自适应锚框计算自适应图片缩放 BackboneFocus结构CSP结构CSP结构Neck 损失函数IOU_L… 目录 输入端Mosaic数据增强数据增强Copy-paste数据增强- MixUp数据增强- Albumentations数据增强- Augment HSV (Hue, Saturation, Value)色度、饱和度、浓度数据增强- Random horizontal flip自适应锚框计算自适应图片缩放 BackboneFocus结构CSP结构CSP结构Neck 损失函数IOU_LossGIOU_LossDIOU_LossCIOU_loss 训练策略消除Grid敏感度 输入端
参考https://zhuanlan.zhihu.com/p/172121380
Mosaic数据增强
随机的仿射变换
数据增强Copy-paste
有分割数据集时
数据增强- MixUp 按一定的透明程度混合生成一张图片
数据增强- Albumentations
参考https://blog.csdn.net/weixin_45942927/article/details/124529291 空域滤波 为图像平滑去噪声和图像锐化突出轮廓 均值滤波图像去噪的同时也破坏了图像的细节部分 中值滤波可以保护图像尖锐的边缘选择适当的点来替代污染点的值所以处理效果好对椒盐噪声表现较好对高斯噪声表现较差。
直方图均衡化 可提高图像的对比度
以及改变图片质量等等
数据增强- Augment HSV (Hue, Saturation, Value)色度、饱和度、浓度
数据增强- Random horizontal flip
随机水平翻转
自适应锚框计算
自适应图片缩放 Backbone Focus结构 将Focus模块替换成了6x6的普通卷积层。 两者功能相同但后者效率更高。
CSP结构 CSP结构 Neck 损失函数 小目标 中等目标 大目标 小型目标更难预测所以将小型目标的超参设置大一些
参考https://zhuanlan.zhihu.com/p/143747206
IOU_Loss 当预测框和目标框不相交时IOU0无法反应两个框距离的远近此时损失函数不可导IOU_Loss无法优化两个框不相交的情况。
GIOU_Loss DIOU_Loss CIOU_loss 训练策略
➢Multi-scale training(0.5~1.5x) 320大小图片会缩放为0.5到1.5倍 ➢AutoAnchor(For training custom data)
➢Warmup and Cosine LR scheduler 学习率从一个非常小的值慢慢增长到设置的初始的学习率 用cos的方法去降低学习率
➢EMA(Exponential Moving Average) 将学习率加上一个动量
➢Mixed precision 混合精度训练 ➢Evolve hyper- parameters
消除Grid敏感度 梯度爆炸
匹配正样本 anchor_t最大为4缩放因子设置为0~4 在0.25~4的区间内就算匹配成功
