获得最佳 YOLOv5 训练结果的技巧#

📚 本指南介绍如何使用 YOLOv5 获得最佳 mAP 和训练结果 🚀。

大多数情况下，只要你的数据集足够大且标注质量高，无需更改模型或训练设置即可获得良好结果。如果一开始没有获得良好结果，你可以采取一些措施进行改进，但我们始终建议用户在考虑任何更改之前，先使用所有默认设置进行训练。这有助于建立性能基线并发现可改进的方面。

如果你对训练结果有疑问，我们建议你尽可能提供最多的信息，以便获得有帮助的回复，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。所有这些文件都位于你的 project/name 目录中，通常为 yolov5/runs/train/exp。

下面我们为希望在 YOLOv5 训练中获得最佳结果的用户整理了一份完整指南。

数据集#

• 每个类别的图像数量。 建议每个类别至少有 1500 张图像
• 每个类别的实例数量。 建议每个类别至少有 10000 个实例（已标注对象）
• 图像多样性。 必须能够代表部署环境。对于实际应用场景，我们建议使用来自不同时间段、不同季节、不同天气、不同光照、不同角度和不同来源（在线抓取、本地采集、不同相机等）的图像。
• 标注一致性。 所有图像中的所有类别的所有实例都必须进行标注。部分标注将无法正常工作。
• 标注准确性。 标注必须紧密包围每个对象。对象与其边界框之间不应存在空隙。任何对象都不应缺少标注。
• 训练集/验证集划分规范。 确保验证图像和测试图像不会出现在训练集中，以避免指标过于乐观。保持各划分之间的类别分布相似。
• 标注验证。 在训练开始时查看 train_batch*.jpg，以验证你的标注是否正确显示，即查看示例马赛克图。
• 背景图像。 背景图像是指不含任何对象、添加到数据集中以减少误报（FP）的图像。我们建议使用约 0-10% 的背景图像来帮助减少 FP（COCO 提供了 1000 张背景图像作为参考，占总数的 1%）。背景图像无需标注。

模型选择#

像 YOLOv5x 和 YOLOv5x6 这样的大型模型在几乎所有情况下都能产生更好的结果，但它们的参数更多，需要更多 CUDA 内存进行训练，运行速度也更慢。对于移动端部署，我们建议使用 YOLOv5s/m；对于云端部署，我们建议使用 YOLOv5l/x。请参阅 README 中的表格，以完整比较所有模型。

• 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 '' 参数置空：

  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#

在修改任何内容之前，先使用默认设置进行训练，以建立性能基线。完整的 train.py 设置列表可以在 train.py argparser 中找到。

• 训练轮数。 从 300 个 epoch 开始。如果过早出现过拟合，可以减少 epoch 数。如果训练 300 个 epoch 后没有出现过拟合，则延长训练时间，例如训练 600、1200 个 epoch 等。
• 图像尺寸。 COCO 以 --img 640 的原生分辨率进行训练，但由于数据集中包含大量小对象，在 --img 1280 等更高分辨率下训练可能会受益。如果小对象很多，自定义数据集将受益于以原生或更高分辨率进行训练。在训练所用的相同 --img 下可获得最佳推理结果，也就是说，如果你以 --img 1280 进行训练，也应以 --img 1280 进行测试和检测。
• 批量大小。 使用硬件允许的最大 --batch-size。较小的批量大小会产生较差的批归一化统计数据，应当避免。你可以使用 --batch-size -1 自动为 GPU 选择最佳批量大小。
• 学习率。 默认学习率调度策略在大多数情况下都能正常工作。为了更快收敛，你可以尝试使用 --cos-lr 标志启用余弦学习率调度，使学习率在各个 epoch 中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组合起来的马赛克增强。通过 --hyp 文件中的 mosaic 超参数调整增强强度，有助于稳定训练。
• 超参数。 默认超参数位于 hyp.scratch-low.yaml 中。我们建议你先使用默认超参数进行训练，再考虑修改任何参数。通常，增加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获得更高的最终 mAP。减少损失分量增益超参数（如 hyp['obj']）有助于减少特定损失分量中的过拟合。如需使用自动化方法优化这些超参数，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），在不牺牲模型准确性的情况下加快训练并减少内存使用。
• 多 GPU 训练。 如果你有多个 GPU，请使用 --device 0,1,2,3 在多个 GPU 之间分配训练，这可以显著减少训练时间。
• 提前停止。 使用 --patience 50，在验证指标连续 50 个 epoch 没有改善时停止训练，从而节省时间并防止过拟合。

高级优化技术#

• 迁移学习。 对于专业数据集，从预训练权重开始，并在训练期间逐步解冻各层，使模型适应你的特定任务。
• 模型剪枝。 训练完成后，可以考虑对模型进行剪枝，移除冗余权重并减小模型大小，同时避免明显的性能损失。
• 模型集成。 对于关键应用，使用不同配置训练多个模型，并结合它们的预测结果以提高准确性。
• 测试时增强。 在推理期间使用 --augment 启用 TTA，通过对输入图像增强版本的结果取平均值来提高预测准确性。

延伸阅读#

如果你想了解更多，一个很好的起点是 Karpathy 的《训练神经网络的配方》，其中包含适用于各种 ML 领域的优秀训练思路：https://karpathy.github.io/2019/04/25/recipe/

如需了解训练设置和配置的更多详细信息，请参阅 Ultralytics 训练设置文档，其中全面解释了所有可用参数。

祝你好运 🍀，如果还有其他问题，请告诉我们！

常见问题#