它还有第三项细化指标dfl_loss。 dfl_loss 分布式焦点损失:精益求精 dfl_loss全称是Distribution Focal Loss,中文名称为“分布式焦点损失”。 它辅助box_loss,提供额外的信息,通过对边界框位置的概率分布进行优化,进一步提高模型对边界框位置的细化和准确度。 如上图所示,AI模型成功预测出了①的位置。但是红、蓝、绿3...
box_loss在验证集上的表现稍微高于训练集,这是正常现象,因为验证数据未参与训练,模型在这部分数据上的表现通常会略差一些。然而,cls_loss和dfl_loss在验证集上的表现与训练集相近,这说明模型在类别识别和边界框分布预测方面具备稳健的泛化能力。 Precision和Recall两个指标为我们提供了模型预测准确性的重要视角。Precisi...
在ultralytics/utils/loss.py的_df_loss函数中计算dfl Loss 最后返回的第一个值为总损失,第二个包含box、cls以及dfl loss 之后再one2many算好Loss之后,继续计算one2one的Loss 等Loss计算完成之后,继续在ultralytics/engine/trainer.py中执行Backward、打印指标、优化器参数更新、画图等 最后在ultralytics/engine/t...
box_loss 是边界框回归损失,用于评估预测的边界框与真实边界框之间的差异。 cls_loss 是分类损失,用于评估类别预测的准确性。 dfl_loss 是防御性损失,用于提高模型的泛化能力。从输出结果来看,经过两个训练周期后,模型的边界框损失、分类损失和防御性损失都有所下降,这表明模型在训练过程中学习了如何更好地预测边界...
box_loss表示边框回归损失,即模型预测的边框与真实边框之间的差异;cls_loss是分类损失,指模型对于停车位状态(空闲或占用)分类的准确性;dfl_loss是分布式焦点损失,它是YOLOv8特有的,用于处理分类不平衡的问题。从图中可以看出,随着训练过程的进行,所有三种损失都呈现出明显的下降趋势,这表明模型在逐渐学习并改进其对...
Epoch GPU_mem box_loss cls_loss dfl_loss Instances Size 1/10 2.61G 1.153 1.398 1.192 81 640: 1 Class Images Instances Box(P R mAP50 m all 128 929 0.688 0.506 0.61 0.446 Epoch GPU_mem box_loss cls_loss dfl_loss Instances Size ...
但是第一个box_loss好像还有下降的趋势。但是中间的cls_loss在50轮时就已经趋于稳定了，而dfl_loss好像...
首先观察到的是,训练和验证过程中的边界框损失(box_loss)、分类损失(cls_loss)以及分布焦点损失(dfl_loss)都随着训练周期的增加而逐渐下降。这是一个积极的信号,表明模型正在有效地学习如何更准确地定位物体、分类以及更好地理解目标的形状和大小。特别是在边界框损失上,我们看到验证损失在经历初始波动后趋于稳定,并...
('box_loss', 'seg_loss', 'cls_loss', 'dfl_loss') 1. 开启训练模式,需要注意的是,我们虽然设计batch=16,但训练集中只有4张图像,因此batch=4。 self.model.train() 1. 数据封装 通过TQDM将训练器封装为进度条的形式,并将其输入到模型中进行前向传播 pbar = TQDM(enumerate(self.train_loader), tota...
定位损失box_loss:预测框与标定框之间的误差(GIoU),越小定位得越准; 分类损失cls_loss:计算锚框与对应的标定分类是否正确,越小分类得越准; 动态特征损失(dfl_loss):DFLLoss是一种用于回归预测框与目标框之间距离的损失函数。在计算损失时,目标框需要缩放到特征图尺度,即除以相应的stride,并与预测的边界框计算Cio...