[net] # Testing #batch=1 #subdivisions=1 # Training batch=64 //一批训练样本的样本数量，测试时batch和subdivisions以上面部分为准 subdivisions=16 width=608 //width，height固定图片尺寸 height=608 channels=3 momentum=0.949 //动量参数 decay=0.0005 //权重衰减正则项 angle=0 //数据增强参数，通过旋转角度来生成更多训练样本 saturation = 1.5 //数据增强参数，通过调整饱和度来生成更多训练样本 exposure = 1.5 //数据增强参数，通过调整曝光量来生成更多训练样本 hue=.1 //数据增强参数，通过调整色调来生成更多训练样本 learning_rate=0.001 //学习李 burn_in=1000 //迭代次数阈值，大于该阈值和小于该阈值有不同的方式 max_batches = 500500 //最大训练次数 policy=steps steps=400000,450000 //steps和scale是设置学习率的变化，迭代400000次和450000次后学习率分别衰减十倍 scales=.1,.1 #cutmix=1 mosaic=1 //马赛克数据增强 #:104x104 54:52x52 85:26x26 104:13x13 for 416 ```c ... [convolutional] batch_normalize=1 // filters=32 //卷积核个数，输出通道数 size=3 //卷积核尺寸 stride=1 //卷积核步长 pad=1 //是否补零 activation=mish //网络层激活函数
跳跃连接
[shortcut] from=-3 //前面第3层，跳跃连接 activation=linear //层激活i函数
三个yolo层
[yolo]
mask = 0,1,2 //做3个索引
anchors = 12, 16, 19, 36, 40, 28, 36, 75, 76, 55, 72, 146, 142, 110, 192, 243, 459, 401
classes=80 //目标类别数
num=9 //每个cell预测的框的个数
jitter=.3 //数据增强手段，随机调整长宽高比例
ignore_thresh = .7 //低于这个值的IoU忽略
truth_thresh = 1
scale_x_y = 1.2
iou_thresh=0.213
cls_normalizer=1.0
iou_normalizer=0.07
iou_loss=ciou
nms_kind=greedynms
beta_nms=0.6
max_delta=5
[route]
layers = -4 //只有一个值时输出该值索引的图层特征图
//两个值时返回值索引的层的拼接特征图