第一处:hyp文件中的scale: 0.5;
第二处:train文件中multi-scale(if opt.multi_scale: sz = random.randrange(imgsz * 0.5, imgsz * 1.5 + gs) // gs * gs # size)。
结论1:hyp.scale = 0.5(假如input=640)就代表着参与训练的图片的输入可能是320~640×1.5(小于640的部分会被补上黑边,大于640的部分会被裁掉)。
结论2:train的时候选择--multi-scale,我的mAP会降低,但是train_batch0里的图片和不选择--multi-scale一样.(需要继续探讨,已经issuehttps://github.com/ultralytics/yolov5/issues/7659)
jocher的回复如下。
实验过程(mosaic均 = 0):
1.hyp.scale = 0;multis_cale = 0 时,train_batch0图片如下所示:
2.hyp.scale = 0;multis_cale = 0.2 时,train_batch0图片如下所示:
3.hyp.scale = 0.2;multis_cale = 0 时,train_batch0图片如下所示:
4.hyp.scale = 0.2;multis_cale = 0.2 时,train_batch0图片如下所示:
文章评论