Yolov5 Hyps Evolve Genetic Algorithm Yolov5 Evolution GA YOLOv5에는 대략 25가지가 넘는 하이퍼 파라미터가 존재합니다. 여기서 사용하는 하이퍼 파라미터 수치들은 기존에 모델의 수치를 바꾼다는 의미를 가지는 하이퍼 파라미터와는 다르게, 증강 & warm-up & loss 등 다양한 수치를 변경할 수 있도록 만들어두었습니다.
제가 여러번의 실험을 진행하면서 모델의 변화 vs 하이퍼 파라미터의 변화에 따른 성능 결과의 차이를 비교해본 결과 Yolov5s -> Yolov5x 등으로 바꾸는 것보다 하이퍼 파라미터를 모델에 적합하게 변화하는 것이 성능에 더 큰 변화를 일으킨다는 것을 알 수 있었습니다. 그렇다면 하이퍼 파라미터의 종류에는 무엇이 있는지 부터 살펴봅니다.
YOLOv5 하이퍼 파라미터 lr0: 0.01 # initial learning rate (SGD=1E-2, Adam=1E-3) lrf: 0.1 # final OneCycleLR...
#
Algorithm
#
Initial_population
#
model
#
mutation
#
performance
#
YOLOv5
#
욜로
#
욜로evolution
#
욜로성능향상
#
욜로알고리즘
#
욜로최적화
#
욜로하이퍼파라미터
#
hyps
#
hyperparams
#
hyperparamerters
#
chrom
#
crossover
#
Detection
#
Detector
#
Evolution
#
fiteness
#
G
#
GA
#
gene
#
General
#
Generation
#
하이퍼파라미터
