1.GroupSoftmax:利用COCO和CCTSDB训练83类检测器
GroupSoftmax:利用COCO和CCTSDB训练83类检测器
在CV领域,工程师常利用YOLO、Faster RCNN、CenterNet等检测算法处理业务数据,旨在优化模型性能。然而,点数业务社区源码当模型在实际业务中发挥作用时,CEO的质疑往往紧随而来。为解决这一问题,我们设计了GroupSoftmax交叉熵损失函数,以解决模型训练的三大挑战。该函数允许类别合并,形成新的网站源码资源资料组合类别,从而在训练时计算出各类别对应梯度,完成网络权重更新。理论上,GroupSoftmax交叉熵损失函数兼容多种数据集联合训练。
我们利用了COCO和CCTSDB数据集,基于Faster RCNN算法(SyncBN),java数据中转源码联合训练了一个包含类的检测器。在COCO_minival测试集上,使用GroupSoftmax交叉熵损失函数训练的模型在mAP指标上提升了0.7个点,达到.3,相比原始Softmax交叉熵损失函数,性能显著提升。云桌面软件源码此外,我们还训练了一个trident*模型,6个epoch在COCO_minival测试集上的mAP为.0,充分验证了GroupSoftmax交叉熵损失函数的有效性。
基于SimpleDet检测框架,我们实现了mxnet版本的中线决择公式源码GroupSoftmax交叉熵损失函数,并在GitHub上开源了源码。GroupSoftmax交叉熵损失函数的原理在于允许类别合并形成群组,计算群组类别概率的交叉熵损失,进而对激活值进行梯度计算。具体而言,当目标类别属于某个群组类别时,其梯度为群组类别梯度与子类别预测概率的比值。这样,GroupSoftmax交叉熵损失函数在处理类别合并情况时,能够有效更新网络权重。
实现GroupSoftmax交叉熵损失函数时,需要注意以下几点:
1. 对于未标注类别的数据集,可理解为与背景组成新的群组类别。
2. 在两阶段检测算法中,RPN网络应根据数据集特性调整为多分类,以适应模型训练需求。
3. 联合训练COCO和CCTSDB数据集时,最终分类任务为1+类,未标注类别的数据集可与背景组成组合类别。
4. 编写CUDA代码时,计算群组类别概率时,需加微小量避免分母为0导致的计算错误。
2024-12-23 06:59256人浏览
2024-12-23 06:511671人浏览
2024-12-23 06:271382人浏览
2024-12-23 05:381926人浏览
2024-12-23 05:152909人浏览
2024-12-23 05:09663人浏览
南韓食品商三養集團旗下有3款辣味雞肉麵,因為內含辣椒素過高,可能導致急性中毒,六月遭丹麥食安單位勒令下架,但經過調查顯示,其中兩款泡麵的辣椒素沒有超過臨界點,可以重新上架;三養集團也在哥本哈根港口舉辦
1.游戏私服的原理是什么2.问道**源代码做问道SF!!让GY亏死!游戏私服的原理是什么 游戏私服的原理在于,通过破解游戏原代码,私自搭建服务器,利用获取的源代码运行游戏。 在这个过程中,私服