YOLOv4中的loss和mAP图

Loss and mAP chart in YOLOv4

我对“You Only Look Once”对象检测算法（确切地说是 YOLOv4）还是个新手。我有一些关于地图和损失图表的问题。

我尝试按照 AlexeyAB Darknet 的说明进行操作，并使用 Google Colabs 训练我的自定义对象检测器。训练结束后的loss和mAP图如下图

损失和mAP图表：

我的问题是：

  1. 除了这个还有其他图表吗？
  2. 这是用于训练还是验证的损失？
  3. 为什么在迭代 1200 附近突然下降？
  4. 训练的输出只有那个图表和权重文件吗？
  1. 图表中的损失用于验证
  2. 迭代 1200 附近的下降很可能是因为与其他小批量数据相比，该特定小批量数据的平均精度较低。
  3. 您可能必须在训练停止后显式手动保存权重。

第二个和第三个问题，请查看中的第2.2点我应该什么时候停止训练 |阿列克谢AB / 暗网

  1. 是的。但是如果你想导出日志并用它制作图表，你可以试试这个命令：

./darknet detector train data/obj.data cfg/yolov4.cfg yolov4.weights -map | tee results.log

  1. 蓝色曲线是训练损失或训练数据集上的错误（特别是 YOLOv4 的完全交叉并集或 CIoU 损失）。有关 CIoU 损失的更多详细信息，check this paper. The red line is the mean average precision at 50% Intersection-over-Union threshold (mAP@0.5), which checks if your model it is generalizing well on a never-before-seen dataset or validation set. If you want to understand mAP more, you can refer to this easy-to-understand blogpost.

  2. 您使用的是自定义数据集吗？迭代 1200 附近的下降可能是由数据集中的某些问题引起的。要检查，请尝试这些：

    (a) 检查您的数据集 - 运行 使用标记 -show_imgs 进行训练，即 ./darknet detector train ... -show_imgs 并查看 aug_...jpg 图像，您是否看到正确的真实边界框？

    (b) 检查生成的文件 bad.list 和 bad_label.list 是否存在。这些文件包含可能有问题的标签文件。

  3. 是的。但是如果你启用日志文件（检查我的答案 - 1），那么，不。