深度学习模型优化知识点.docxVIP

深度学习模型优化知识点

提高模型的指标，提高精确率，召回率，mAP等。

一、数据集

训练数据的数量和质量就限制了模型的质量，数据不仅仅要多，还要精准，分类特征要明显。

1.?每个类别图像的数量

每个图像的分类不能少于1500张

2.?每个类别的实例

人工标注的目标框就是实例，每个类别的实例都要大于10000张

3.?图像的多样性

数据集必须展现出部署环境，推荐来自一天中不同时间、不同季节、不同天气、不同光照、不同角度、不同数据源（在线抓取、本地收集、不同相机）等的图像。

4.?标注的一致性

所有图像中所有类的所有实例都必须标注，部分标注将不起作用。标注的规范必须统一，不能出现模糊分类。

5.?标注的精度

边框必须紧密地包围每个目标，目标和边框之间不应存在任何空，任何目标都不应缺少标签。背景图像：背景图像是图像里没有感兴趣目标的图像，加到数据集以减少误报?（FP）。建议约?0-10%?的背景图像，以帮助减少?FP（COCO数据集有1000张背景图像供参考，占总数的?1%）。

6.?数据增强

通过旋转，移位，裁剪，缩放，添加噪声等方式，强化原有的数据集。

二、训练设置

1.?epochs的设置

从300个epoch开始。如果过早过拟合，那么可以减少epochs。如果在300个epoch后没有发生过拟合，则训练更长时间，即?600、1200?个等epoch。

2.?输入图像大小

COC