-
Notifications
You must be signed in to change notification settings - Fork 0
/
20220614Mytest_val_crs.yaml
47 lines (40 loc) · 1.79 KB
/
20220614Mytest_val_crs.yaml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
#'''
#使用sbd_snake 训练coco数据集
#task不可改,heads的key不可改,键值可以改,听说有几个类别,ct_hm就改成几
#model,改成自己的,会对应生成一个文件夹
#效果非常差,找到问题,似乎是数据集格式转coco时,图片顺序乱了,所以shipone_seg1,shipone_seg2无法训练成功
#还是不行,是不是图片太大了,所以他识别不出来?他原函数有所设置最大检测物的大小 shipone_seg3无法训练成功
#shipone_seg5有些许效果,但有不想要的sea 被识别出来了,而且分割效果不是特别好
#shipone_seg6有些许效果,sea 已经删除了,7打算在6的基础上接着(140)训练一下自己标的数据集(My_data_ship_Train2),而且分割效果不是特别好
#shipone_seg7 8 和6差不多
#shipone_seg9 开始训练大数据集但有bug
#shipone_seg10 修改过图片大小和标注信息的训练集训练 My_data_ship_Train My_data_ship_test
#shipone_seg_row My_data_ship_Train_row My_data_ship_test_row 原始大小的图片
#439次数效果都还可以,效果已备份,开始训练840次,看一下效果有没有改善
#画轨迹,先确定每只船的ID ,如果漏检太多,ID就是假的,所以还是得解决漏检和错检的问题
#'''
#加载模型
model: 'shipone_seg10'
network: 'ro_34'
#会选择data/model/cfg.task下面的文件夹和加载lib/networks/cfg.task/init.py
task: 'snake'
resume: true
gpus: (0, 1, 2, 3)
#det_model: 'shipone_ct'
train:
optim: 'adam'
lr: 1e-4
milestones: (80, 120, 150)
gamma: 0.5
batch_size: 16
dataset: 'My_data_ship_Train_row'
num_workers: 32
epoch: 840
test:
dataset: 'My_data_ship_test'
batch_size: 1
heads: {'ct_hm': 1, 'wh': 2}
segm_or_bbox: 'segm'
ct_score: 0.03
save_ep: 2
cfg.eval_ep: 2