【目标检测yolov3 有什么优化策略？】YOLO_v3是基于YOLO、YOLO_v2改进的目标检测网络，主要改进点在调整了网络结构、利用多尺度特征进行对象检测、对象分类用Logistic取代了softmax。
优化YOLO_v3主要可以从两个思路出发：更轻量级更快和更高的准确率和recall。
一、更轻量级更快
1. 更换YOLO_v3的backbone
YOLO_v3的默认backbone网络是darknet53，虽然darknet53计算速度比ResNet-152和ResNet-101快，精度也不差，但是在一些特定的任务和条件下，我们可能不需要darknet53这么高精度的backbone。对于部分场景简单、目标数目少、目标较大的图像的图像我们可以把backbone替换为官方的darknet19或者是一些更轻量级的网络。
本人尝试过将backbone改成Mobilenetv2，在某集显轻薄本上运行demo，虽然没有具体测量指标，但感觉速度尚可。
2. 提升训练速度
一般训练YOLO_v3都是用预训练好的模型进行迁移学习,直接从头训练没必要也太慢。但是直接用下载的预训练模型做微调有个问题，训练一开始就结束了，并能保存出模型。原因是这些网络都是在imagenet上训练过，设置的迭代次数应该是远大于cfg中的max_batch或者其他参数，所以刚开始训练便达到了截止条件。
不做fine-tuning，没有好的初始化又很难训练出好模型。所以，重新extract weights提取1～39层darknent19的参数，设置的40大于darknet19的层数就可以,得到的darknet19.conv.40可以做为修改的yolov3-darkent19网络的初始化模型。
/darknet partial cfg/darknet19.cfg darknet19.weights darknet19.conv.40 40
3. 模型压缩 模型剪枝、量化、知识蒸馏等等题主都可以尝试一下，应该会有提升。
二、提升准确率和recall
1. 超参数调优
这个老生常谈的东西就不多说了，包括学习率、迭代轮次、earlystopping等等。
2. 在召回率和准确率之间平衡
py class YOLO(object): _defaults = { "model_path": 'model_data/yolo.h5', "anchors_path": 'model_data/yolo_anchors.txt', "classes_path": 'model_data/coco_classes.txt', "score" : 0.3, "iou" : 0.45, "model_image_size" : (416, 416), "gpu_num" : 1, }
调整默认设置中的score和iou的阈值，通常你需要较高的精度时，适当提升score；需要高召回率的时候适当降低score，具体的还需自己试验。
3. 调整损失函数
使用专门针对背景的Focal Loss py def focal_loss(out_put,y_true): loss = 0.8*(torch.sigmoid(out_put)) ** 2 * F.binary_cross_entropy_with_logits(1-out_put, 1-y_true, reduction='none')+F.binary_cross_entropy_with_logits((out_put), y_true, reduction='none') return loss
针对一阶段网络前背景分类不平衡问题，使用针对背景加入loss调节因子的focal loss（实验中直接使用原版的focal loss导致mar下降，和yolo作者在论文中讲述一样），使得mar提升。
4. 训练中的trick
5.根据检测的物体的复杂度，调整网络的复杂度
6. 迭代次数推荐不低于2000 * classes.
7. 如果图片里有很多数量的目标物体，那么在.cfg文件中最后的[yolo]层中添加参数max=100或者更高的数。
8. 如果想要模型具有尺度的鲁棒性，则必须训练样本中包含多尺度的照片。这是因为YOLO不具有尺度变化的适应性。
9. 可以根据任务的不同修改anchor的大小，但具体怎么改就需要题主自己摸索尝试了
。#人工智能# #互联网# #机器学习# #深度学习# #目标检测#
在小学道德与法治教学中，可依据当堂课的核心教学目标，优化设计五个大问题：第一个是情境问题，通过设置情境提出问题来激发学生学习的兴趣，导入新课；第二个是基础问题，根据本节课所学内容提出需要解决的问题，师生一起来讨论解决问题，完成基础的情感铺垫；第三个是提升问题，学生通过生活经验、知识储备解决问题，提升学习层次，实现知识迁移；第四个是延展问题，挖掘问题背后的根源，为情感升华做铺垫；第五个是引领学生情感升华的问题即情感问题，情感问题是在前四个问题的基础上激发情感、升华情感，形成价值认同，以此达成本节课的情感目标。五步问题设计”教学模式注重从学生的生活情境切入，打通生活和学习内容的联系，问题的推进让知识的学习逐步丰富，促进了学生思维活动的深入发展。一环扣一环的教学活动，使得核心目标的达成自然顺畅，育人目标自然落实，立德树人的实效明显提升。[赞][赞][握手]
山东教育新闻网山东教育新闻网官方账号
新课标背景下的课堂教学问题设计
优化施工方案，超前谋划，加快推进项目建设，确保项目按照目标任务要求按期完工。
晋能控股集团晋能控股集团有限公司官方帐号
三元煤业加快推进建（构）筑物下充填开采项目建设步伐
枣庄市 “十四五”交通发展规划目标
（一）道路交通网络规划。建成布局合理、结构优化的公路网络。
1、 S238店韩南路岩湖西延至微山界改扩建工程，建设规模14.9公里，计划投资5.6亿。
2、 S238店韩路岩湖至山亭界改扩建工程，建设规模15.9公里，计划投资6.1亿。
3、 S322枣欢线改建项目（齐陶线），建设规模,9.6公里，计划投资2.4亿。
4、 S321枣梁线薛城段改扩建工程，建设规模5.06公里，计划投资1.5亿。
5、 S318郯兰线薛城岩湖西延至微山界段改扩建工程，建设规模22公里，计划投资7.2亿.
6、 S103济枣线薛城高速邹坞张岭立交桥出口项目。计划投资1.3亿。
7、长白山路北延工程。从山官线至824炸药厂2.2公里原路宽12米改建，824炸药厂至滕州界约一公里新建，计划总投资约2400万。
8、祁连山路北延工程。起自祁连山路马公村南，向北经郭沟村南、陶山村西、东于村西，止于杨庄镇东的S321，全长约11.6公里，匡算投资约11.2亿元。
9、高铁站起沿长江路西延至微山段（BRT7）工程。全长18.8公里，其中薛城段长度13.3公里，计划投资约7亿元。其中包含两座大桥建设，长江西路跨京沪铁路立交桥长1.2千米，造价约2.5亿元，长江西路蟠龙河大桥长400米，造价约1.2亿元。
10、S318郯兰线峄城区仙人洞至薛城区店韩路薛城东段改建工程，按照一级路标准建设，长1.628公里，计划投资4790万元。
11.S322枣欢线市中区曾店至薛城区山家林段及G518薛城区山家林至北二村段大修工程，计划开工时间。（S322段大修，G518段改建）
12.G518日定线薛城区北二村至薛城区微山界中修工程，中修里程7.7公里，计划投资3849万元。（山家林至北二村13.714公里中修，北二村至微山界7.697公里改建）
13.S515枣薛线市中区西外环路至薛城区新城武夷山路口段大修项目，计划开工建设。（原路段中修），总投资规模达到约42亿元。
