512 x 512
, 原始的yolov3
他的coco mAp(Iou 0.5:0.95)
所取的均值是在32.7
,加上了SPP
结构它的mAp达到了35.6
,基本上提升了大概有3个点,U
版的yolov3 SPP
的mAP达到了42.6
,它相对于普通版Yolov3 SPP提升了将近7
个点,这效果是非常明显的。通过查看U版的源码,作者使用了很多trciks.1.Mosaic 图像增强
2. SPP模块
3.CIOU LOSS
,其中Focal loss
作者在代码有实现,但实际训练中并没有使用到,作者发现加上了Focal loss效果并没有改善。以往的网络中也提到了很多图像增强算法包括:图像的随机裁剪、图像的随机水平翻转、亮度色度饱和度的随机调整等。
Mosaic 图像增强
实际上是将多张图片拼接在一起
,然后输入网络进行训练
。在源码中,作者默认使用4
张图片进行拼接预测,Mosaic图像增强到