YOLO訓練筆記第一篇——YOLOv3訓練時列印的日誌
阿新 • • 發佈：2019-01-03
關於yolov2的訓練日誌有英文講解，這邊進一步講一下yolov3的，大致差不多。
- 以下是yolov3 cfg/yolov3-voc.cfg中的前部分內容：
[net]
# Testing
# batch=1
# subdivisions=1
# Training
batch=64
subdivisions=16
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1
learning_rate=0.001
burn_in=1000
max_batches - 以下是一個訓練批次（batch）的輸出：
Region 82 Avg IOU: 0.801934, Class: 0.737764, Obj: 0.782024, No Obj: 0.006216, .5R: 1.000000, .75R: 1.000000, count: 5
Region 94 Avg IOU: 0.706899, Class: 0.073915, Obj: 0.544467, No Obj: 0.000506, .5R: 1.000000, .75R: 0.000000, count: 1
Region 106 Avg IOU: 0.831056, Class: 0.037965 以上輸出顯示了所有訓練圖片的一個批次（batch），批次大小的劃分根據我們在 .cfg 檔案中設定的subdivisions引數。在我使用的 .cfg 檔案中 batch = 64 ，subdivision = 16，所以在訓練輸出中，訓練迭代包含了16組，每組又包含了4張圖片，跟設定的batch和subdivision的值一致。
但是此處有16*3條資訊，每組包含三條資訊，分別是：
Region 82 Avg IOU:
Region 94 Avg IOU:
Region 106 Avg IOU:
三個尺度上預測不同大小的框 82卷積層 為最大的預測尺度，使用較大的mask，但是可以預測出較小的物體 94卷積層 為中間的預測尺度，使用中等的mask， 106卷積層為最小的預測尺度，使用較小的mask，可以預測出較大的物體
- 每個batch都會有這樣一個輸出：
2706: 1.350835, 1.386559 avg, 0.001000 rate, 3.323842 seconds, 173184 images- 2706：batch是第幾組。
- 1.350835：總損失
- 1.386559 avg ： 平均損失
- 0.001000 rate：當前的學習率
- 3.323842 seconds： 當前batch訓練所花的時間
- 173184 images ： 目前為止參與訓練的圖片總數 = 2706 * 64
Region 82 Avg IOU: 0.798032, Class: 0.559781, Obj: 0.515851, No Obj: 0.006533, .5R: 1.000000, .75R: 1.000000, count: 2Region Avg IOU: 表示在當前subdivision內的圖片的平均IOU，代表預測的矩形框和真實目標的交集與並集之比.
Class: 標註物體分類的正確率，期望該值趨近於1。
Obj: 越接近1越好。
No Obj: 期望該值越來越小，但不為零。
count: count後的值是所有的當前subdivision圖片（本例中一共4張）中包含正樣本的圖片的數量。