轉(zhuǎn)載自https://blog.csdn.net/dcrmg/article/details/78565440

原英文地址：?https://timebutt.github.io/static/understanding-yolov2-training-output/

?

最近有人問(wèn)起在YOLOv2訓(xùn)練過(guò)程中輸出在終端的不同的參數(shù)分別代表什么含義，如何去理解這些參數(shù)？本篇文章中我將嘗試著去回答這個(gè)有趣的問(wèn)題。

剛好現(xiàn)在我正在訓(xùn)練一個(gè)YOLOv2模型，拿這個(gè)真實(shí)的例子來(lái)討論再合適不過(guò)了，下邊是我訓(xùn)練中使用的 .cfg 文件（你可以在cfg文件夾下找到它）：

?

以下是訓(xùn)練過(guò)程中終端輸出的一個(gè)截圖：

?

以上截圖顯示了所有訓(xùn)練圖片的一個(gè)批次（batch），批次大小的劃分根據(jù)我們?cè)?.cfg 文件中設(shè)置的subdivisions參數(shù)。在我使用的 .cfg 文件中 batch = 64 ，subdivision = 8，所以在訓(xùn)練輸出中，訓(xùn)練迭代包含了8組，每組又包含了8張圖片，跟設(shè)定的batch和subdivision的值一致。

（注： 也就是說(shuō)每輪迭代會(huì)從所有訓(xùn)練集里隨機(jī)抽取 batch = 64 個(gè)樣本參與訓(xùn)練，所有這些 batch 個(gè)樣本又被均分為 subdivision = 8 次送入網(wǎng)絡(luò)參與訓(xùn)練，以減輕內(nèi)存占用的壓力）

批輸出

針對(duì)上圖中最后一行中的信息，我們來(lái)一步一步的分析。如下的輸出是由 detector.c 生成的，具體代碼見(jiàn)：點(diǎn)擊打開鏈接


?

• 9798： 指示當(dāng)前訓(xùn)練的迭代次數(shù)

• 0.370096： 是總體的Loss(損失）

• 0.451929 avg： 是平均Loss，這個(gè)數(shù)值應(yīng)該越低越好，一般來(lái)說(shuō)，一旦這個(gè)數(shù)值低于0.060730 avg就可以終止訓(xùn)練了。

• 0.001000 rate： 代表當(dāng)前的學(xué)習(xí)率，是在.cfg文件中定義的。

• 3.300000 seconds： 表示當(dāng)前批次訓(xùn)練花費(fèi)的總時(shí)間。

• 627072 images： 這一行最后的這個(gè)數(shù)值是9798*64的大小，表示到目前為止，參與訓(xùn)練的圖片的總量。

?

分塊輸出

在分析分塊輸出之前，我們得了解一下IOU（Intersection over Union，也被稱為交并集之比：點(diǎn)擊打開鏈接），這樣就能理解為什么分塊輸出中的參數(shù)是一些重要且必須要輸出的參數(shù)了。

?

?

可以看到，IOU（交集比并集）是一個(gè)衡量我們的模型檢測(cè)特定的目標(biāo)好壞的重要指標(biāo)。100%表示我們擁有了一個(gè)完美的檢測(cè)，即我們的矩形框跟目標(biāo)完美重合。很明顯，我們需要優(yōu)化這個(gè)參數(shù)。

回歸正題，我們來(lái)分析一下這些用來(lái)描述訓(xùn)練圖集中的一個(gè)批次的訓(xùn)練結(jié)果的輸出。那些想自己深入源代碼驗(yàn)證我所說(shuō)的內(nèi)容的同學(xué)注意了，這段代碼：點(diǎn)擊打開鏈接? 執(zhí)行了以下的輸出：

?

?

• Region Avg IOU: 0.326577： 表示在當(dāng)前subdivision內(nèi)的圖片的平均IOU，代表預(yù)測(cè)的矩形框和真實(shí)目標(biāo)的交集與并集之比，這里是32.66%，這個(gè)模型需要進(jìn)一步的訓(xùn)練。

• Class: 0.742537： 標(biāo)注物體分類的正確率，期望該值趨近于1。

• Obj: 0.033966： 越接近1越好。

• No Obj: 0.000793： 期望該值越來(lái)越小，但不為零。

• Avg Recall: 0.12500： 是在recall/count中定義的，是當(dāng)前模型在所有subdivision圖片中檢測(cè)出的正樣本與實(shí)際的正樣本的比值。在本例中，只有八分之一的正樣本被正確的檢測(cè)到。

• count: 8：count后的值是所有的當(dāng)前subdivision圖片（本例中一共8張）中包含正樣本的圖片的數(shù)量。在輸出log中的其他行中，可以看到其他subdivision也有的只含有6或7個(gè)正樣本，說(shuō)明在subdivision中含有不含檢測(cè)對(duì)象的圖片。

總結(jié)

?

在這篇短文里，我們回顧了一下YOLOv2在終端輸出的不同的參數(shù)的含義，這些參數(shù)也在告訴我們YOLOv2的訓(xùn)練過(guò)程是怎樣進(jìn)行的。這個(gè)能在一定程度上解答大家關(guān)于YOLOv2的訓(xùn)練輸出的大部分問(wèn)題，但請(qǐng)記住，對(duì)YOLOv2的探索決不應(yīng)該到此為止。

跟以往一樣，歡迎大家在評(píng)論區(qū)留言，進(jìn)一步討論關(guān)于YOLOv2的相關(guān)問(wèn)題，我也會(huì)不斷優(yōu)化改進(jìn)這篇文章，所以，別忘了留言評(píng)論哦！

?

原英文地址：?https://timebutt.github.io/static/understanding-yolov2-training-output/

?

總結(jié)

以上是生活随笔為你收集整理的理解YOLOv2训练过程中输出参数含义的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。