yolov5目标检测模型基于响应的知识蒸馏(源码+项目说明).zip
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
【资源说明】 1、该资源包括项目的全部源码,下载可以直接使用! 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目,作为参考资料学习借鉴。 3、本资源作为“参考资料”如果需要实现其他功能,需要能看懂代码,并且热爱钻研,自行调试。 yolov5目标检测模型基于响应的知识蒸馏(源码+项目说明).zip # 教师模型: ```bash python train.py --weights weights/yolov5m.pt \ --cfg models/yolov5m.yaml --data data/voc.yaml --epochs 50 \ --batch-size 8 --device 0 --hyp data/hyp.scratch.yaml ``` # 蒸馏训练: ```bash python train.py --weights weights/yolov5s.pt \ --cfg models/yolov5s.yaml --data data/voc.yaml --epochs 50 \ --batch-size 8 --device 0 --hyp data/hyp.scratch.yaml \ --t_weights yolov5m.pt --distill ``` # 训练参数: > --weights:预训练模型 > --t_weights:教师模型权重 > --distill:使用知识蒸馏进行训练 > --dist_loss:l2或者kl > --temperature:使用知识蒸馏时的温度 使用[《Object detection at 200 Frames Per Second》](https://arxiv.org/pdf/1805.06361.pdf)中的损失 这篇文章分别对这几个损失函数做出改进,具体思路为只有当teacher network的objectness value高时,才学习bounding box坐标和class probabilities。 # 实验结果: 这里假设VOC2012中新增加的数据为无标签数据(2k张)。 |教师模型|训练方法|蒸馏损失|P|R|mAP50| |:----|:----|:----|:----|:----|:----| |无|正常训练|不使用|0.7756|0.7115|0.7609| |Yolov5l|output based|l2|0.7585|0.7198|0.7644| |Yolov5l|output based|KL|0.7417|0.7207|0.7536| |Yolov5m|output based|l2|0.7682|0.7436|0.7976| |Yolov5m|output based|KL|0.7731|0.7313|0.7931| ![训练结果] 参数和细节正在完善,支持KL散度、L2 logits损失和Sigmoid蒸馏损失等 ## 1. 正常训练: ![正常训练] ## 2. L2蒸馏损失: ![L2蒸馏损失]
- 1
- 粉丝: 1557
- 资源: 5641
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助