我正在将 YOLOv4-tiny 用于我从 Open Images Dataset 收集的 26 个类的自定义数据集。数据集几乎是平衡的（每类 850 张图像，但边界框的数量不同）。当我使用 YOLOv4-tiny 仅训练 3 个类时，损失接近 0.5，相当准确。但是对于 26 个类别，一旦损失低于 2，模型就会开始过度拟合。预测也很不准确。
我尝试更改学习率、动量和大小等参数，但无论我做什么，模型都会变得比以前更糟。使用常规的 YOLOv4 模型而不是 YOLO-tiny 也无济于事。我怎样才能进一步降低损失？
【问题讨论】：
标签： tensorflow yolo
你试过training with mAP吗？您可以将训练集的一个子集作为验证集。这可以通过与您制作训练和测试集相同的方式来完成。然后，您可以运行darknet.exe detector train data/obj.data yolo-obj.cfg yolov4.conv.137 -map。这将跟踪验证集中的损失。当验证中的错误说上升时，这就是停止训练并防止过度拟合的时候了（这被称为：提前停止）。
【讨论】：
您需要运行 (classes*2000) 次迭代的训练。但是，为了获得最佳分数，您需要训练您的模型至少 6000 次迭代（也称为max_batches）。另外请记住，如果您使用的是黑白图像，请将channels=3 更改为channels=1。一旦平均损失变成这样，您就可以停止训练：0.XXXX。
这是我运行 6.2 小时的 6000 次迭代的 mAP 图： avg loss with 6000 max_batches.
此外，您可以关注 Stéphane Charette 的此常见问题解答文档here。
【讨论】：