请问如何训练自己的数据集？

[linklist2]

我按照yolov5的提示，将数据集转换为了COCO格式，但是是这样的目录：
RSOD

• images
  - train2017
  - val2017
  - test2017
• lables
  - train2017
  - val2017
  - test2017

[yjh0410]

@linklist2 暂时先不建议使用我这个YOLOF的项目训练自己的数据集，因为我还没有调好，性能和baseline查了7个点。

[linklist2]

@yjh0410 好的，谢谢。另外我还有个问题想请教您，YOLOF的源码中的最后classification、objectness、regression的卷积都是3×3大小，而您的实现代码中，这些都是1×1卷积，这会对结果造成影响吗？

[yjh0410]

@linklist2 这一点我没注意到，刚才看了下源码，确实是3x3。按照我以往的经验，这一点是不会有太大的影响。但下一次消融实验我尝试一下，看看预测层用1x1和3x3会不会有较大的差距，毕竟这个项目挺tricky的，不太好复现。非常感谢

[yjh0410]

@linklist2 这一点我没注意到，刚才看了下源码，确实是3x3。按照我以往的经验，这一点是不会有太大的影响。但下一次消融实验我尝试一下，看看预测层用1x1和3x3会不会有较大的差距，毕竟这个项目挺tricky的，不太好复现。非常感谢

[linklist2]

@yjh0410 我也是因为在win10安装不好那个CVpods才寻找纯pytorch版本的代码的，另外有个问题想请教您，是否可以将这篇论文的Encoder和Decoder部分用于其他网络结构，例如YOLOV5，也会同样有很好的效果吗？

[yjh0410]

@linklist2 可以考虑使用mmdetection复现的YOLOF：https://github.com/open-mmlab/mmdetection/tree/master/configs/yolof

YOLOF的Encoder是可以用在其他结构上的，比如我新实现的YOLOv2（https://github.com/yjh0410/PyTorch_YOLO-Family），其实就用了他的DilatedEncoder，性能很不错。至于他的Decoder结构，其实就没啥可借鉴了，标注的解耦头结构，在RetinaNet里就有了。

将DIlatedEncoder加入YOLOv5中能否有效果，可以参考我的YOLOv3（https://github.com/yjh0410/PyTorch_YOLO-Family），38的AP，要比YOLOv3-SPP还高，所以，我觉得会有效果，但效果能否显著就不一定了。

另外，它的uniform matching也可以在YOLOv5中试一试，说不定这种把每个目标的正样本数量均衡一下，也是个很好的训练方式，可能要比YOLOv5自己用的那种方式会好一些。

[linklist2]

很感谢您的解答以及您的复现代码，我会尝试以上操作，等有了进展再来联系您。

…

------------------ 原始邮件 ------------------ 发件人: "yjh0410/PyTorch_YOLOF" ***@***.***>; 发送时间: 2021年12月24日(星期五) 中午11:25 ***@***.***>; ***@***.******@***.***>; 主题: Re: [yjh0410/PyTorch_YOLOF] 请问如何训练自己的数据集？ (Issue #1) @linklist2 可以考虑使用mmdetection复现的YOLOF：https://github.com/open-mmlab/mmdetection/tree/master/configs/yolof YOLOF的Encoder是可以用在其他结构上的，比如我新实现的YOLOv2（https://github.com/yjh0410/PyTorch_YOLO-Family），其实就用了他的DilatedEncoder，性能很不错。至于他的Decoder结构，其实就没啥可借鉴了，标注的解耦头结构，在RetinaNet里就有了。 将DIlatedEncoder加入YOLOv5中能否有效果，可以参考我的YOLOv3（https://github.com/yjh0410/PyTorch_YOLO-Family），38的AP，要比YOLOv3-SPP还高，所以，我觉得会有效果，但效果能否显著就不一定了。 另外，它的uniform matching也可以在YOLOv5中试一试，说不定这种把每个目标的正样本数量均衡一下，也是个很好的训练方式，可能要比YOLOv5自己用的那种方式会好一些。 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you were mentioned.Message ID: ***@***.***>

[yjh0410]

@linklist2 客气客气，欢迎交流！

[linklist2]

@yjh0410 您好，您实现的Pytorch-YOLO-Family支持训练自己的数据集吗？

[yjh0410]

@linklist2 暂不支持，可以自己做些调整，主要是写自己数据集的dataset和计算voc风格的mAP代码，关于这一点，可以参考我的另一个项目：
https://github.com/yjh0410/OurDetection

并配合这一篇知乎文章：
https://zhuanlan.zhihu.com/p/371803221

便可以将YOLO-Family项目的模型用到自己的数据集上。