YOLOv4中的损失和mAP图表

Question

我对“You Only Look Once”对象检测算法（确切地说是 YOLOv4）还是新手。我对 mAP 和损失图有一些疑问。

我尝试按照 AlexeyAB Darknet 的说明，使用 Google Colabs 训练我的自定义对象检测器。训练结束后显示loss和mAP图表如下图。

损失和mAP图表：

我的问题是：

1. 除此之外还有其他图表吗？
2. 这是训练或验证的损失吗？
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？

Answer 1

1. 是的。但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. 蓝色曲线是训练数据集上的训练损失或误差（特别是 YOLOv4 的 Complete Intersection-Over-Union 或 CIoU 损失）。有关 CIoU 损失的更多详细信息，check this paper。 红线是 50% Intersection-over-Union 阈值 (mAP@0.5) 处的平均精度，用于检查您的模型是否在 从未见过的数据集上很好地泛化或验证集。如果你想更了解mAP，可以参考这个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一些问题引起的。要检查，请尝试以下方法：

   (a) 检查您的数据集 - 使用标志 -show_imgs 即 ./darknet detector train ... -show_imgs 运行训练并查看 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，如果您启用日志文件（检查我的答案 - 否。1），那么，不。

Answer 2

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，请在When should I stop training | AlexeyAB / darknet查看第2.2点