add annotations

Author: bubbliiiing

nets/yolo_training.py

@@ -196,6 +196,8 @@ def forward(self, l, input, targets=None):
         loss_conf   = torch.mean(self.BCELoss(conf, tobj))
 
         loss        += loss_conf * self.balance[l] * self.obj_ratio
+        # if n != 0:
+        #     print(loss_loc * self.box_ratio, loss_cls * self.cls_ratio, loss_conf * self.balance[l] * self.obj_ratio)
         return loss
 
     def get_near_points(self, x, y, i, j):

train.py

@@ -91,23 +91,28 @@
     mosaic              = True
     label_smoothing     = 0
 
-    #------------------------------------------------------------------#
-    #   训练分为两个阶段，分别是冻结阶段和解冻阶段。
-    #   设置冻结阶段是为了满足机器性能不足的同学的训练需求
-    #   如果机器较好可以不进行冻结训练，即当Freeze_Train=False
-    #
-    #   显存不足与数据集大小无关，提示显存不足请调小batch_size。
-    #   受到BatchNorm层影响，batch_size最小为2，不能为1。
-    #   
-    #   如：当Init_Epoch = 60、Freeze_Epoch = 50、UnFreeze_Epoch = 100时
-    #   会跳过冻结阶段，直接从60代开始，并调整对应的学习率。
-    #------------------------------------------------------------------#
+    #----------------------------------------------------------------------------------------------------------------------------#
+    #   训练分为两个阶段，分别是冻结阶段和解冻阶段。设置冻结阶段是为了满足机器性能不足的同学的训练需求。
+    #   冻结训练需要的显存较小，显卡非常差的情况下，可设置Freeze_Epoch等于UnFreeze_Epoch，此时仅仅进行冻结训练。
+    #      
+    #   在此提供若干参数设置建议，各位训练者根据自己的需求进行灵活调整：
+    #   （一）从整个模型的预训练权重开始训练： 
+    #       Init_Epoch = 0，Freeze_Epoch = 50，UnFreeze_Epoch = 100，Freeze_Train = True（默认参数）
+    #       Init_Epoch = 0，UnFreeze_Epoch = 100，Freeze_Train = False（不冻结训练）
+    #       其中：UnFreeze_Epoch可以在100-300之间调整。optimizer_type = 'sgd'，Init_lr = 1e-2。
+    #   （二）batch_size的设置：
+    #       在显卡能够接受的范围内，以大为好。显存不足与数据集大小无关，提示显存不足（OOM或者CUDA out of memory）请调小batch_size。
+    #       受到BatchNorm层影响，batch_size最小为2，不能为1。
+    #       正常情况下Freeze_batch_size建议为Unfreeze_batch_size的1-2倍。不建议设置的差距过大，因为关系到学习率的自动调整。
+    #----------------------------------------------------------------------------------------------------------------------------#
     #------------------------------------------------------------------#
     #   冻结阶段训练参数
     #   此时模型的主干被冻结了，特征提取网络不发生改变
     #   占用的显存较小，仅对网络进行微调
-    #   Init_Epoch          模型当前开始的训练世代
-    #                       可以大于Freeze_Epoch（断点续练时使用）
+    #   Init_Epoch          模型当前开始的训练世代，其值可以大于Freeze_Epoch，如设置：
+    #                       Init_Epoch = 60、Freeze_Epoch = 50、UnFreeze_Epoch = 100
+    #                       会跳过冻结阶段，直接从60代开始，并调整对应的学习率。
+    #                       （断点续练时使用）
     #   Freeze_Epoch        模型冻结训练的Freeze_Epoch
     #                       (当Freeze_Train=False时失效)
     #   Freeze_batch_size   模型冻结训练的batch_size

utils/dataloader.py

@@ -106,7 +106,7 @@ def get_random_data(self, annotation_line, input_shape, jitter=.3, hue=.1, sat=0
         #------------------------------------------#
         #   对图像进行缩放并且进行长和宽的扭曲
         #------------------------------------------#
-        new_ar = w/h * self.rand(1-jitter,1+jitter) / self.rand(1-jitter,1+jitter)
+        new_ar = iw/ih * self.rand(1-jitter,1+jitter) / self.rand(1-jitter,1+jitter)
         scale = self.rand(.25, 2)
         if new_ar < 1:
             nh = int(scale*h)