返回信息流aiskyeye上的leaderboard一水的YOLO，自己用ultralytics的官方模型跑mAP却上不去[em9][em9][em9]超参数应该怎么设置啊啊[em9][em9]不会大家都是魔改的吧[em9][em9]
这是一条镜像帖。来源：北邮人论坛 / paper / #48281同步于 2023/12/21
该镜像源已超过 30 天没有更新，可能在源站已被删除。
Paper机器人发帖
【可有偿】有人用YOLO跑过VisDrone的训练吗？
mm88215271
2023/12/21镜像同步13 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
请问您跑的mAP大概多少，有35以上吗[ema1]
【 在 s1661021512 的大作中提到: 】
: 我跑过，需要魔改，加个小目标检测头试试。
把输入调成1080p，batch为1，往backbone加注意力，改进head，加小目标检测头，应该能搞到35
【 在 mm88215271 的大作中提到: 】
: 请问您跑的mAP大概多少，有35以上吗[ema1]
yolov5l的map都赶不上yolov7。如果追求高map用yolov7，参数都用默认的参数，我把给的所有参数几乎都调过，默认的参数是最优的。v7 100轮 inputsize640，map大概49。改进的思路很多，csdn github上都有分享，不过原创的很少，都是把已经提出的模块加进去。比如改网络结构，增加检测头，有些引入transformer，还有改损失函数，魔改fpn+pan增强特征提取的，改进的方法很多。不过不一定都有用，得根据数据特点视情况而定。
inputsize越大，显然map越高。如果输入1280或者更大，可以试试v7e6 d6 w6 e6e等更大更深的模型，不过我记着在1280的输入下，v7表现的最好。
【 在 Nihilism 的大作中提到: 】
: yolov5l的map都赶不上yolov7。如果追求高map用yolov7，参数都用默认的参数，我把给的所有参数几乎都调过，默认的参数是最优的。v7 100轮 inputsize640，map大概49。改进的思路很多，csdn github上都有分享，不过原创的很少，都是把已经提出的模块加进去。比如改网络结构，增加检测头，有些引入transformer，还有改损失函数，魔改fpn+pan增强特征提取的，改进的方法很多。不过不一定都有用，得根据数据特点视情况而定。
49是别的数据集吧[em9]VisDrone Leaderboard 2023最高才42多
【 在 Nihilism 的大作中提到: 】
: yolov5l的map都赶不上yolov7。如果追求高map用yolov7，参数都用默认的参数，我把给的所有参数几乎都调过，默认的参数是最优的。v7 100轮 inputsize640，map大概49。改进的思路很多，csdn github上都有分享，不过原创的很少，都是把已经提出的模块加进去。比如改网络结构，增加检测头，有些引入transformer，还有改损失函数，魔改fpn+pan增强特征提取的，改进的方法很多。不过不一定都有用，得根据数据特点视情况而定。
已经在V8了[ema1]
【 在 Nihilism 的大作中提到: 】
: yolov5l的map都赶不上yolov7。如果追求高map用yolov7，参数都用默认的参数，我把给的所有参数几乎都调过，默认的参数是最优的。v7 100轮 inputsize640，map大概49。改进的思路很多，csdn github上都有分享，不过原创的很少，都是把已经提出的模块加进去。比如改网络结构，增加检测头，有些引入transformer，还有改损失函数，魔改fpn+pan增强特征提取的，改进的方法很多。不过不一定都有用，得根据数据特点视情况而定。