大小目標的分類

• 小目標, 尺寸32*32以下, 或者長寬比超過20
• 大目標, 尺寸96*96以上
• 中目標, 介于大小目標之間的尺寸
• 被檢查物size如果小于 15 * 15 , 效果可能很差, 如要檢測小物體最好搭配 yolov8 P2模型. 另外也可以搭配 SAHI 庫進行tile平鋪推理, 或者實驗Yolo NAS.

yolov8 模型文件

• 預訓練模型下載: https://github.com/ultralytics/assets/releases
• 各個模型的yaml文件: https://github.com/ultralytics/ultralytics/tree/main/ultralytics/cfg/models/v8
• yolov8 模型結構 https://blog.csdn.net/Priplex/article/details/132339275 , https://blog.csdn.net/qq_42452134/article/details/135246245
• model=yolov8n.yaml 正常版本, backbone 會將P3、P4、P5輸出至Neck融合得到新的P3、P4、P5, head基于P3、P4、P5的特征金字塔進行detect. yolo detect 的數據集是基于 coco 數據集的, 該數據集基本沒有小物體, 所以正常版本對于小物體檢測效果一般并不會很好.
• model=yolov8n-p2.yaml 小目標檢測版本(即p2版), head基于P2、P3、P4、P5的特征金字塔進行detect, 因為增加了P2層,P2層卷積次數較小感受野更小,有利于檢測小目標. 該版本也有多個scale, 比如 yolov8n-p2、yolov8s-p2等等, 官方未提供對應的預訓練權重文件, 使用該網絡模型可以搭配正常版yolov8預訓練參數文件.
• model=yolov8n-p6.yaml 高分辨率版本(即p6版),, head基于P3、P4、P5、P6的特征金字塔進行detect, 因為增加了P6層, P6層卷積次數較多感受野更大, 同時訓練圖像的分辨率為1280,圖片信息更豐富, 適合于高分辨率圖片檢測. 該版本官方僅提供了一個預訓練參數文件, 即 yolov8x6.
• yolov8x6-oiv7.pt 是基于 Open image V7 數據集訓練的.
• yolov8x6-500.pt 是有500個class的訓練集
• object detect正常版預訓練是基于 coco 數據集, 共80個class.

模型訓練通用規則:

• 如果 train 效果挺好, 但test或predict效果較差, 說明過擬合(overfit)了. 原因有: (1)模型太復雜了, 這時候應該減少epoch 或者使用更小scale的模型. (2) 數據集太小, 這時候需要增加訓練數據. (3)增大val數據集的比例
• 如果 train 效果不佳, 可以使用更大規模的模型, 或者增加訓練數據, 或者增大 epoch.
• 大模型在小數據集上更容易過擬合.
• 數據集的分類物體, 如果特征較少, 推薦使用小模型. 如何確定特征的多少, 看這個維度: (1)物體的形狀是否變化多樣,(2)顏色是否多樣,(3)紋理是否復雜,(4)大小是否差異較大.
• 小模型通常能更好地過濾噪聲信息, 如果圖像質量不高, 使用小模型效果可能會更好.
• 大目標檢查, 模型深度越高, 感受野越大, 效果會更好, 推薦使用 yolov8x 或 yolov8x6 模型.
• 小目標檢測, 如果模型太深, 優勢反而不利, 推薦使用 yolov8s 或 yolov8m 或 yolov8l.
• 大小目標混合檢測, 推薦使用 yolov8l6 或 yolov8x6
• 計算過程中不用關心 loss 是否太大, 重要的是loss 是否可以收斂. 如果始終不收斂, 嘗試調整優化器類型或降低學習率.
• from scratch 訓練模型需要足夠的算力和數據集, 基本上每種object需要訓練2000多次, 另外需要有強大的調參能力, 否則毫無意義.
• 調整神經網絡結構. 選擇合適的模型規格( n/s/m/l/x 以及 p2/p6), 增加網絡深度和寬度可以增強模型的表達能力.
• 數據集應該大于 500, 否則效果很難上來.
• 數據集應有較高質量, 標簽不能錯誤, box邊框要準確, 正負樣本要平衡, 增加數據多樣性.
• 調整預測的閾值, 降低conf閾值可以提升recall, 提高conf閾值可以提升precision.
• 調整超參, 學習率/batch/優化器/epoch 等參數

yolov8 參數設置技巧：

• train/val/test/predict 超參最好要一致, 不一致的參數有可能會引起predict顯著變化.
• task 參數默認為 detect, 可以傳遞 task 如：[detect、classify、segment]
• mode 參數默認為train, train模式下默認包含 val, ，mode 有：[train、predict、val、export]
• model 選擇v8的預訓練 yolov8n.pt 模型文件, 該文件初始時不存在, 但軟件包會自動下載 yolov8n.pt 模型到當前目錄.
• epochs: 訓練數據集需要重復訓練多少次, yolov5 推薦初始為 300 個, 而 yolov8推薦初始為500, 如果發現有過擬合overfit, 則適當減少, 如果沒有overfit, 則增加到600、1200. 如果使用 CPU, 為了縮短時間epochs可從100開始試. 過擬合最優先的應對策略是增加驗證集比例和增加驗證集多樣性.
• batch: batch size 為一次前向傳播送入模型的圖片數量, 完成后將做反向傳遞, 進行weight/bias參數調整, batch size 取值必須為2的n次方, 最小值為2. 這個參數應使用硬件支持的最大 batch size, 比如64開始, 如果不爆內存/顯存問題, 則增加到 128、256, batch size越大 batchNorm 效果越好, 精度越高.
• lr0 為初始學習率, 學習率是梯度下降的步長系數
• lrf 為最終學習率, 學習率是梯度下降的步長系數
• patience 為 EarlyStopping 的 epoch 數量, 默認為 patience=50 , 如果要禁用早停特性, 設置0即可.
• workers: 并行加載數據集的線程數量, 在windows下如果報錯, 可以調整為0
• rect 參數, yolo在進行訓練之前總是會將圖像按letterbox方式做resize, 所以縮放后的圖像仍然保留原來真實的長寬比例. 如果rect設置為False(缺省), 表示yolo會統一將它們resize成一個正方形, 該取值適合原始圖像寬高差異不大的情況; 如果rect=True, yolo resize的結果將是一個長方形而不是正方形, 比較適合原始圖像寬高差異較大的情況, 在這種情況下, 如果仍然縮放到寬高相等, 圖像中padding的區域就會很大, 浪費GPU算力, rect如果取值為True時候, imgsz參數應該同時設置寬高兩個值.
• imgsz 參數: 這個參數非常重要:
  • 用來將實際圖像統一縮放到一個固定的尺寸送入到網絡中
  • imgsz 參數必須是 32 的倍數
  • train/val/test/predict 不要求有相同的原始圖像尺寸, 但最好差異不要太大.
  • 通常 imgsz 越大效果也越好, 但這并不絕對, 如果被檢查物非常小, img size 太大反而不行.
  • 采用較大 imgsz, 比較容易爆顯存同時訓練速度也會降低, 如果原始圖像是3840*2160這樣高清圖像,最好還是設置 imgsz=1280, 這個數值應該是速度和準確性比較好的平衡點.
  • 通常設置 imgsz=640 是一個很好的選擇, yolo會自動將我們的圖像縮放到640*640的尺寸, 方法是:將圖像的長邊縮放到640, 圖像的短邊按照長邊縮放的比例縮放, 如果不足640, 則在短邊兩側自動padding黑色像素.
  • yolov8 預訓練模型基于 640 尺寸的圖像訓練, 如果我們的數據集為高清圖像, 可以采用 yolov8 P6模型, 這個系列的模型文件分別為yolov8m6, yolov8l6, yolov8x6,

參考

https://docs.ultralytics.com/guides/yolo-common-issues/
https://docs.ultralytics.com/guides/yolo-performance-metrics/
https://docs.ultralytics.com/yolov5/tutorials/tips_for_best_training_results/#dataset
深度學習模型訓練和關鍵參數調優詳解