Yolov5训练准确率跳崖下降(指的是重新采集重新训练后下降)

Question

Yolov5训练准确率突然下降
我们有一个yolov5的垃圾分类比赛，要求90分钟内完成16张卡片垃圾和4个真是垃圾的训练和识别，我们前几天训练准确率都是0.9 0.8，然后前天突然变成了0.2 0.3左右，真的很突然就成这样了，我们采集的角度，光源，采集的数量都是一模一样的，就过了一天，重新采集，重新训练准确率直接成0.2了。我们这两天一直在反复重新训练，准确率一直是0.2 0.3，一组8张卡片，采集35张照片，批次大小4 8都试过了，然后那个像素[320,320],[512,512]都试过了还是不行，请问这是什么情况
还有一个疑问 就是运行一个voc_label.py的文件，这个文件时把标注的结果变成txt格式的，我们16张卡片运行出来应该只有16/16这个结果 可是现在是16/19 或者16/20 很好奇 拜托各位大佬！！

Answer 1

以下回复参考：皆我百晓生、券券喵儿等免费微信小程序作答:

从你的问题描述来看，出现训练准确率的突然下降这种情况，可能是以下几个原因导致的：

1. 数据问题：有可能是标注数据出现了问题，导致数据分布或标注信息不准确。虽然你提到采集的角度、光源、采集数量都是一致的，但可能标注过程中出现了误差或者标注文件本身存在问题。建议检查标注数据，确保每张图片的标注都是正确的。

2. 训练环境问题：有可能是训练环境的改变导致的。比如硬件环境的变化（如GPU状态）、软件环境的变动（如Python版本、库版本）、网络模型文件的不同等都可能造成训练的模型与上次训练的模型有较大的偏差，从而准确率大幅降低。建议你确认你的训练环境是否与之前完全一致。同时检查一下你使用的网络模型文件是否有变化，如果是更新了新的版本或者有其他改动，可能会导致准确率的变化。

3. 训练参数问题：训练参数的选择也会影响模型的训练效果。虽然你已经尝试过不同的批次大小和像素大小，但可能还有其他参数如学习率、迭代次数等需要调整。建议尝试调整这些参数看看是否有所改善。此外，有时候过大的批次大小反而会影响训练效果，建议你减小批次大小尝试训练。另外要确保迭代次数足够以保证模型充分训练。

关于运行voc_label.py文件的问题，这个文件的运行结果可能包括了所有标注的物体数量，即使有一些标注物体不存在于某些卡片中。所以即使你只用了卡片进行标注训练，但最终的结果可能会统计到所有标注的数据量上。这是正常的情况，不用过于疑惑。如果你有清晰的分区卡片的训练数据和使用单独的验证集进行测试的方法的话，运行一次预测可能得出所有的检测结果并且计算准确率，这样你就可以得到更准确的反馈了。如果仍然有疑问，建议检查该文件的代码逻辑是否正确。

总的来说，建议你可以逐一排查以上问题，同时可能需要重新整理数据并进行更多的实验和尝试来改善训练效果。希望这些建议能对你有所帮助！