20220614Mytest_val_crs.yaml

#'''
#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