yolov5检测框重合重复,手动调参方法(调整detect,val的conf,iou)

一、问题描述:检测框重复

在这里插入图片描述
出现上述问题一般是整体检测方向没错,但conf-thres和iou-thres的参数需要调整。(在默认值0.25和0.45的基础上,提高置信区间,降低iou)

conf-thres:置信度阈值(检测精度,作者是设置的0.25)
iou-thres:做nms的iou阈值

parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold')
parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS')

二、解决方案:detect、val.py文件手动调参

1、目的:本身conf-thres和iou-thres参数在detect.py文件配置(配置的地方如下图),调好参数开始训练,训练后的结果若大体满意,但细节需要通过调整conf-thres和iou-thres来优化的,可以考虑用训练完的权重进行手动调参。
2、好处:相比在detect.py文件里修改参数再次训练,手动调参可以快速得到结果。
3、理由:因为每次完整训练都要经过300次,cpu机子可能需要花一夜时间来训练,但用训练完的权重来调参可能1分钟不到就出结果了。
在这里插入图片描述

三、手动调参的步骤

1 点击edit configuration
在这里插入图片描述
2 在弹出来的run/debug configurations界面更改下图的三个地方,

  1. 改成detect.py文件的位置。
  2. parameters要填写如下代码
--weights
runs/train/exp10/weights/best.pt  //改成你自己权重best.pt对应的文件位置
--data
data/myData2.yaml  //改成你自己数据集.yaml对应的文件位置
--source
models/myData2/images/train  //改成你自己测试数据集val对应的文件位置
--conf-thres
0.3  //如果检测框重复可以提高置信区间,如从默认的0.25提高到0.3
--iou-thres
0.2  //如果检测框重复可以降低iou,如从默认的0.45降低到0.2
  1. 点run

在这里插入图片描述
3 再次点击edit configuration在弹出来的run/debug configurations界面更改下图的三个地方

  1. 改成val.py文件的位置。
  2. parameters要填写如下代码(注意和上面代码的区别,少了个source)
--weights
runs/train/exp10/weights/best.pt  //改成你自己权重best.pt对应的文件位置
--data
data/myData2.yaml  //改成你自己数据集.yaml对应的文件位置
--conf-thres
0.3  //如果检测框重复可以提高置信区间,如从默认的0.25提高到0.3
--iou-thres
0.2  //如果检测框重复可以降低iou,如从默认的0.45降低到0.2
  1. 点run

在这里插入图片描述

版权声明:本文为CSDN博主「子曰1884」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_39128932/article/details/122849105

子曰1884

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

CVPR2021: Sparse R-CNN新的目标检测模型

今天我们将讨论由四个机构的研究人员提出的一种方法,其中一个是字节跳动人工智能实验室。他们为我们提供了一种新的方法,称为稀疏R-CNN(不要与 Sparse R-CNN 混淆,后者在 3D 计算机视觉任务

实战深度学习目标检测:RCNN (1)

深度学习目标检测:RCNN 什么是目标检测?目标检测主要是明确从图中看到了什么物体?他们在什么位置。传统的目标检测方法一般分为三个阶段:首先在给定的图像上选择一些候选的区域&#xff0c