获得最佳 YOLOv5 训练效果的技巧#

本指南介绍如何使用 YOLOv5 获得最佳 mAP 和训练效果。

大多数情况下，只要数据集足够大且标注质量良好，无需更改模型或训练设置也能获得不错的结果。如果一开始没有取得理想效果，你可以采取一些措施来改进；但我们始终建议你在考虑任何更改之前，先使用所有默认设置进行训练。这样有助于建立性能基准并找出可改进之处。

如果你对训练结果有疑问，请尽可能提供详细信息，以便获得有帮助的答复，包括结果图（训练损失、验证损失、P、R、mAP）、PR 曲线、混淆矩阵、训练马赛克图、测试结果以及 labels.png 等数据集统计图像。这些内容都位于你的 project/name 目录中，通常是 yolov5/runs/train/exp。

以下各节介绍影响 YOLOv5 训练结果的主要因素。

数据集#

• 每个类别的图像数。 建议每个类别至少有 1500 张图像
• 每个类别的实例数。 建议每个类别至少有 10000 个实例（已标注对象）
• 图像多样性。 图像必须能代表模型的部署环境。对于实际应用场景，我们建议使用来自不同时间段、季节、天气、光照、角度和来源（网上抓取、本地收集、不同相机等）的图像。
• 标签一致性。 所有图像中的所有类别实例都必须标注。部分标注不可行。
• 标签准确性。 标签必须紧密框住每个对象。对象与其边界框之间不应留有空隙。所有对象都必须有标签。
• 训练集/验证集划分规范。 确保验证集和测试集中的图像绝不出现在训练集中，以避免指标过于乐观。保持各个划分中的类别分布相近。
• 标签验证。训练开始时查看 train_batch*.jpg 马赛克图，确认标签显示正确。
• 背景图像。 背景图像是不包含对象、添加到数据集中以减少误报（FP）的图像。我们建议背景图像约占 0-10%，以帮助减少误报（COCO 有 1000 张背景图像，可作为参考，占总数的 1%）。背景图像无需标注。

模型选择#

YOLOv5x 和 YOLOv5x6 等较大的模型几乎在所有情况下都能带来更好的结果，但参数更多、训练时需要更多 CUDA 内存，运行速度也更慢。对于移动端部署，我们推荐 YOLOv5s/m；对于云端部署，我们推荐 YOLOv5l/x。

• 从预训练权重开始。推荐用于中小型数据集（例如 VOC、VisDrone、GlobalWheat）。将模型名称传递给 --weights 参数。模型会自动从最新 YOLOv5 版本下载。

  python train.py --data custom.yaml --weights yolov5s.pt
  python train.py --data custom.yaml --weights yolov5m.pt
  python train.py --data custom.yaml --weights yolov5l.pt
  python train.py --data custom.yaml --weights yolov5x.pt
  python train.py --data custom.yaml --weights custom_pretrained.pt

• 从头开始训练。推荐用于大型数据集（例如 COCO、Objects365、OIv6）。传入你感兴趣的模型架构 YAML，并将 --weights '' 参数留空：

  python train.py --data custom.yaml --weights '' --cfg yolov5s.yaml
  python train.py --data custom.yaml --weights '' --cfg yolov5m.yaml
  python train.py --data custom.yaml --weights '' --cfg yolov5l.yaml
  python train.py --data custom.yaml --weights '' --cfg yolov5x.yaml

训练设置#

修改任何设置之前，先使用默认设置进行训练，以建立性能基准。完整的 train.py 设置列表可在 train.py 参数解析器中找到。

• 训练轮次。从 300 个训练轮次开始。如果模型过早过拟合，可以减少轮次。如果训练 300 个轮次后仍未过拟合，则延长训练时间，例如训练 600 或 1200 个轮次。
• 图像尺寸。COCO 使用 --img 640 的原始分辨率进行训练；不过，由于数据集中小目标数量很多，采用更高分辨率（例如 --img 1280）训练可能会更有效。如果数据集中有许多小目标，自定义数据集也能从原始或更高分辨率训练中受益。要获得最佳推理结果，推理时应使用与训练相同的 --img；例如，如果你使用 --img 1280 进行训练，那么测试和检测时也应使用 --img 1280。
• 批次大小。 使用硬件允许的最大 --batch-size。较小的批次大小会导致批次归一化统计数据不佳，应尽量避免。你可以使用 --batch-size -1 自动为 GPU 选择最佳批次大小。
• 学习率。 默认学习率调度策略在大多数情况下效果良好。若想加快收敛，可以尝试使用 --cos-lr 标志启用余弦学习率调度，使学习率随着训练轮数增加，沿余弦曲线逐渐降低。
• 数据增强。 YOLOv5 包含多种增强技术，例如将多张训练图像合并的马赛克增强。你可以在 --hyp 文件中通过 mosaic 超参数调整增强强度，以帮助稳定训练。
• 超参数。 默认超参数位于 hyp.scratch-low.yaml 中。我们建议先使用默认超参数进行训练，再考虑修改。通常，增大数据增强超参数可以减少并延缓过拟合，从而支持更长时间的训练并提高最终 mAP。减小 hyp['obj'] 等损失分量增益超参数，有助于减少相应损失分量上的过拟合。如需自动优化这些超参数，请参阅我们的超参数演化教程。
• 混合精度训练。 检测到受支持的 GPU 时，YOLOv5 会自动启用自动混合精度 (AMP)，从而加快训练并降低内存使用量，同时不损失模型精度。
• 多 GPU 训练。如果你有多个 GPU，可以使用 python -m torch.distributed.run --nproc_per_node 4 train.py ... --device 0,1,2,3 启动分布式数据并行训练，从而显著缩短训练时间。
• 提前停止。 使用 --patience 50，当验证指标连续 50 轮没有提升时停止训练，以节省时间并避免过拟合。

高级优化技术#

• 迁移学习。 对于专业领域的数据集，可以从预训练权重开始，并可选择使用 --freeze 冻结层，使模型适应特定任务。
• 模型剪枝。训练完成后，可以考虑剪枝模型，在精度损失很小的情况下将冗余权重置零，然后使用支持稀疏性的运行时进行部署，以提升速度。
• 模型集成。对于关键应用，可以使用不同配置训练多个模型，并集成它们的预测结果，以提高准确度。
• 测试时增强。在推理时启用 TTA：使用 --augment 合并输入图像的翻转和缩放版本所产生的预测结果，从而提高预测准确度。

延伸阅读#

如果你想进一步了解，一个不错的起点是 Karpathy 的 A Recipe for Training Neural Networks，其中介绍的训练方法广泛适用于所有 ML 领域。

祝你顺利！如果还有其他问题，请告诉我们。

常见问题#