YOLO5检测不均衡的小样本数据集，且是小目标对象。有什么好办法呢？

YOLO5中训练过程中，训练一会精度一会是0，一会是0.332，这种波动是不是太大了，最终的结果就像直线一样吗，这是怎么回事？我的数据集总共有170多个标签，分为3类。大约是【30，100，40】这样的结构，而且都是小目标对象。这有什么好办法。

一般就是做上采样吧，看看能不能先把缺陷类型做的均衡一点，这样样本自然就会稍微多一点点

【相关推荐】

• 这篇博客: YOLOX代码、预测（使用摄像头实时预测）及其添加SE注意力前后的实验结果中的 5. 总结 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  
  1. YOLOX训练速度的确很慢，原因可能是使用了大量的数据增强方式
  2. YOLOX的backbone和YOLO v5是一样的，因此修改起来比较容易
  3. YOLOX提供了NANO和Tiny规格的模型，因此更有利于模型的部署
  4. YOLOX提供了很多部署方法，如TensorRT

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^