YOLOv5内置–hyp超参配置文件对比

1、YOLOv5超参数配置介绍

YOLOv5 有大约 30 个超参数用于各种训练设置。这些是在目录中*.yaml的文件中定义的/data。更好的初始猜测会产生更好的最终结果，因此在演化之前正确初始化这些值很重要。

 lr0 : 0.01   #初始学习率 (SGD=1E-2, Adam=1E-3) 
 lrf : 0.01   #最终的 OneCycleLR 学习率 (lr0 * lrf) 
 momentum: 0.937   # SGD 动量/Adam beta1 
 weight_decay : 0.0005   #优化器权重衰减 5e-4 
 warmup_epochs : 3.0   # warmup epochs (fractions ok) 
 warmup_momentum : 0.8   #预热初始动量 
 warmup_bias_lr : 0.1   #预热初始偏差 lr 
 box : 0.05   # box loss gain 
 cls : 0.5   # cls 损失增益 
 cls_pw : 1.0   # cls BCELoss positive_weight 
 obj : 1.0   # obj loss gain（按像素缩放） 
 obj_pw : 1.0   # obj BCELoss positive_weight 
 iou_t : 0.20   # IoU训练阈值 
 anchor_t : 4.0   #锚倍阈值 
 #anchors：3 # 每个输出层的锚点（0 忽略） 
 fl_gamma : 0.0   #focal loss gamma (efficientDet default gamma=1.5) 
 hsv_h : 0.015   #图像 HSV-Hue 增强（分数） 
 hsv_s : 0.7   #图像 HSV-Saturation 增强（分数） 
 hsv_v : 0.4   #图像 HSV 值增强（分数） 
 degree : 0.0   #图像旋转 (+/- deg) 
 translate : 0.1   #图像翻译（+/- 分数） 
 scale : 0.5   #图像比例（+/- 增益） 
 shear：0.0   #图像剪切（+/- 度） 
 perspective : 0.0   #图像透视（+/- 分数），范围 0-0.001 
 flipud : 0.0   #图像上下翻转（概率） 
 fliplr : 0.5   #图像左右翻转（概率） 
 mosaic: 1.0   #图像马赛克（概率） 
 mixup : 0.0   #图像混合（概率） 
 copy_paste : 0.0   #段复制粘贴（概率） 

2.YOLOv5内置超参配置文件介绍

1. yolov5/data/hyps/hyp.scratch-low.yaml(YOLOv5 COCO训练从头优化，数据增强低)

2. yolov5/data/hyps/hyp.scratch-mdeia.yaml（数据增强中）

3. yolov5/data/hyps/hyp.scratch-high.yaml（数据增强高）

3. 结果对比

此结果是在 weights：yolov5n6.pt，epochs：100，训练集验证集及测试集相同的情况下测得（结果仅供参考）

YOLOv5默认配置

hyp.scratch-med.yaml

hyp.finetune_objects365.yaml