mmdetection目标检测训练过程参数解读
关于训练过程中日志记录的的map, 包含很多map, 如下
{"mode": "train", "epoch": 100, "iter": 400, "lr": 0.0002, "memory": 5010, "data_time": 0.01552, "loss_rpn_cls": 0.00029, "loss_rpn_bbox": 0.0016, "loss_cls": 0.01206, "acc": 99.49316, "loss_bbox": 0.01724, "loss": 0.03119, "time": 0.50056}
{"mode": "val", "epoch": 100, "iter": 3304, "lr": 0.0002, "bbox_mAP": 0.537, "bbox_mAP_50": 0.829, "bbox_mAP_75": 0.561, "bbox_mAP_s": 0.475, "bbox_mAP_m": 0.85, "bbox_mAP_l": 0.885, "bbox_mAP_copypaste": "0.537 0.829 0.561 0.475 0.850 0.885"}
具体释义如下:
- epoch: 第多少个epoch
- iter: 一个epoch里的第多少次迭代, 一次迭代即代表一个批次的图片处理
- lr: 学习率
- memory: 内存占用值, 之后单位是MB
- loss_cls: 衡量正确性的损失, 类别损失
- loss_bbox: 位置损失
- loss: 合计损失?- bbox_mAP: (默认)IOU=0.5 到 IOU=0.95, 每隔0.05个IOU计算一次AP,然后求平均值
- bbox_mAP_50: IOU=0.5时的AP值
- bbox_mAP_75: IOU=0.75时的AP值
- bbox_mAP_s/m/l: 即小中大三种不同尺度物体的AP值,其中small是指物体面积小于32 x 32, medium是指面积在32 x 32 - 96 x 96 之间,large是指面积大于96 x 96
参考: 目标检测计算mAP的时候IOU多少算命中? [COCO]目标识别性能评价标准:AP,AP50,AP75,APsml
mmdetection目标检测训练过程参数解读相关推荐
- MMdetection3d环境搭建、使用MMdetection3d做3D目标检测训练自己的数据集、测试、可视化,以及常见的错误
MMdetection3d环境搭建.使用MMdetection3d做3D目标检测训练自己的数据集.测试.可视化,以及常见的错误 1 mmdetection3d环境搭建与测试 1.1 从docker开始 ...
- CVPR 2020 夜间目标检测挑战赛冠军方案解读
↑ 点击蓝字 关注视学算法 来源丨DeepBlue深兰科技 编辑丨极市平台 在 CVPR 2020 Workshop 举办的 NightOwls Detection Challenge 中,来自国内团 ...
- CVPR2020 夜间目标检测挑战赛冠军方案解读
本文转载自DeepBlue深兰科技. 在 CVPR 2020 Workshop 举办的 NightOwls Detection Challenge 中,来自国内团队深兰科技的 DeepBlueAI 团 ...
- 目标检测训练时候的不平衡问题
目标检测训练时候的不平衡问题 先放大佬链接(https://mp.weixin.qq.com/s/K1HTRjSLAM8mME4g1eNHtA) 当前主流的物体检测算法,如Faster RCNN和SS ...
- PASCAL VOC训练集制作(从原始视频到目标检测训练数据集)
本文目的:实验用CCD采集到5个视频,需在5个视频中采集有效图片,并将这些图片利用LableImg软件进行标注,用来制备VOC格式的目标检测训练数据集. 第一步:有效视频截取 将采集到的视频利用ban ...
- cnn 句向量_深度学习目标检测Fast R-CNN论文解读
前言 我们知道,R-CNN存在着以下几个问题: 分步骤进行,过程繁琐.Selective Search生成候选区域region proposal->fine tune预训练网络->针对每个 ...
- CVPR2020论文分方向整理之检测篇_3D目标检测(代码/论文解读/136篇打包下载)
CVPR2020论文分方向整理之检测篇(代码/论文解读/136篇打包下载) 本周三,CVPR官方正式开放下载,极市第一时间将所有论文(共1467篇)进行了下载打包,详情见此处.为了方便大家进一步的学习 ...
- 目标检测:CenterNet论文解读及代码详解
论文思想 当前anchor-based目标检测方法可分one-stage.two-stage两种.one-stage模型利用anchor机制得到大量的框,之后直接加入回归.分类分支对框进行分类与微调. ...
- ssd目标检测训练自己的数据_目标检测Tensorflow object detection API之训练自己的数据集...
构建自己的模型之前,推荐先跑一下Tensorflow object detection API的demo JustDoIT:目标检测Tensorflow object detection APIzh ...
最新文章
- 京东如何基于Vitess管理大型MySQL实例集群
- IIS的应用程序池优化方法
- java复杂吗_java – 是哈希一个合适的解决方案吗?我过度复杂吗?
- 利用data store在不同模型中传递数据
- postgresql c语言,PostgreSQL_C语言_开发者手册
- iframe懒加载_前端常见问题
- codeforces 266B-C语言解题报告
- Excel TargetRange.Validation为空的
- Exception处理
- vue2.0桌面端框架_这款优秀的Vue+ElementUI桌面端一站式框架,爱了!
- Java经典实例:在正则表达式中控制大小写
- 自制的基Ogre的场景编辑器—OgreSE
- cad横断面图转文本
- Power BI集成Power Apps,轻松实现用户在报告中任意输入信息
- 采集宝贝提示“属性值最大长度为42个字符(21个汉字)”怎么解决?
- aurora协议学习之时钟补偿
- 服务改进还是先从自己改起吧
- 我的2019年终总结
- JSP标签的简单使用
- 常用的计算机中开机键是什么,按下电脑开机键,电脑内部都做了哪些事