假设我们要训练YOLOV3。我们为3个不同的类收集了大约5000张图像。类分布为：
Class#1 = 2250 images Class #2= 2500 images Class #3= 250 images
正如你所看到的，这是不平衡的，我不能训练的基础上，数据。我需要做什么？我需要考虑一个数据处理阶段？请不要只说数据扩增，因为数据扩增有不同的含义。我相信它在训练过程中做旋转和变换，使训练的模型更鲁棒，它不能解决不平衡的数据集问题。如何处理不平衡的数据？
bttbmeg01#
您可以尝试对配置文件执行以下操作：
选择1：
[yolo] focal_loss=1
选择2（更有效）：
[yolo] counters_per_class=100, 2000, 300, ... # number of objects per class in your Training dataset
要计算counters_per_class，请参阅以下链接更多详情here
**选项3：**同时执行选项1和选项2
svdrlsy42#
对于yolov7，您可以：
2条答案
按热度按时间bttbmeg01#
您可以尝试对配置文件执行以下操作：
选择1：
选择2（更有效）：
要计算counters_per_class，请参阅以下链接
更多详情here
**选项3：**同时执行选项1和选项2
svdrlsy42#
对于yolov7，您可以：