PP-YOLO优化策略详解
Larger Batch Size
IoU Loss
IoU: 检测框定位精度标准
评判预测框的检测精度
可以防止loss抖动
Rnn 才用优化
实时的计算iou,并将负值加入到训练过程中
真实框的交集➗预测框的并集
IoU Aware
分值=预测框中的物体*对应的类别
目标概率
会被 NMS掉
source = objectness * classification
IOU 作为定位精度 防止被 NMS,做了加权的操作
Grid Sensitve
后处理
在偏移上乘一个系数
提升精度
Matrix NMS
- 防止同类别重叠,被NMS撸掉,
- 提供一个惩罚机制,保留下来分值低的框,给到后面进行预测
Coord Conv
SPP
- 不同尺度的池化窗口提取特征
SSLD
- 知识蒸馏
- backbone
- 选择较大的教师模型来训练小的模型
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 Jacker-zzk's Blog!