代碼下載：https://github.com/pakaqiu/yolov3_simple
視頻鏈接：https://www.bilibili.com/video/BV1MK4y1X74Q?p=1
yolov1到v3損失函數都是逐步修改而來，特別是v4，v5損失函數的改動對于目標檢測的性能和效果具有較大的提升；當然v3相比v1，v2還是有不少提升的，這種性能提升不僅僅是損失函數所帶來的，網絡結構的修改和優化也具有比較可觀的效果。本文主要講解v3損失函數的設計，這里首先回顧下v1，v2：
v1損失函數：

v2的損失函數：
v2只是在v1的基礎上改動了box寬高的損失計算方式，即去除了w和h的根號：

v3相對v2最大的改動就是分類的損失以及box置信度的損失改為了二分交叉熵：

上式中S為網絡輸出層網格的數目，B為anchors的數目；網絡的輸出為SS大小的特征圖，即網格SS；每個網格有B個anchor，一共會得到SSB個bounding box，那這么多個bounding box，損失函數是如何進行回歸的呢？下面對v3的損失函數中的(a)-(e)一一進行解析：
$I_{ij}^{obj}$表示第i個網格中第j個anchor，如果第j個anchor負責這個object，那么$I_{ij}^{obj}=1$，否則的話就等于0。一個網絡中有B個anchor，那么負責就是B個anchor中與ground truth box的IOU最大的那個anchor。
$I_{ij}^{noobj}$表示第i個網格中的第j個anchor不負責這個object。

上面Loss中的(a)表示目標物體的中心坐標的誤差，在訓練過程中回歸的是是中心坐標的偏移量，這里需要結合代碼去仔細體會；每個網格有B個anchors，在訓練過程中只取iou最大的anchor才能負責當前網格的回歸。
Loss中的(b)表示目標物體的寬高坐標誤差，訓練過程中并不是直接回歸目標物體的寬高坐標，而是利用網格本身滿足條件的最佳anchor去回歸寬高坐標誤差的。
Loss中 ( c) ，(d)表示目標物體置信度的誤差，這里的損失是采用交叉熵來進行計算的，此外，不管網格是否有負責某個目標物體，都會計算置信度誤差，但是輸入的圖像中大部分的空間不包含目標物體，只有少部分空間包含了目標物體，因此需要添加權重對不包含目標物體的置信度損失進行約束。其中${\tilde{C}}_j^i$表示真實值，${\tilde{C}}_j^i$的值由網格的bounding box是否負責預測某個對象決定；負責，則${\tilde{C}}_j^i$ = 1，反之，則相反；$C_j^i$表示擬合值。
Loss中(e)表示目標物體的分類誤差，這里的損失采用交叉熵進行計算，只有當第i個網格的第j個anchor負責某個真實目標物體，這個anchor產生的bounding box才會去計算分類損失精度。
具體代碼實現：

def forward(self, x, targets=None, img_dim=None):# Tensors for cuda supportFloatTensor = torch.cuda.FloatTensor if x.is_cuda else torch.FloatTensorLongTensor = torch.cuda.LongTensor if x.is_cuda else torch.LongTensorByteTensor = torch.cuda.ByteTensor if x.is_cuda else torch.ByteTensorself.img_dim = img_dimnum_samples = x.size(0)grid_size = x.size(2)prediction = (x.view(num_samples, self.num_anchors, self.num_classes + 5, grid_size, grid_size).permute(0, 1, 3, 4, 2).contiguous())# Get outputsx = torch.sigmoid(prediction[..., 0]) # Center xy = torch.sigmoid(prediction[..., 1]) # Center yw = prediction[..., 2] # Widthh = prediction[..., 3] # Heightpred_conf = torch.sigmoid(prediction[..., 4]) # Confpred_cls = torch.sigmoid(prediction[..., 5:]) # Cls pred.# If grid size does not match current we compute new offsetsif grid_size != self.grid_size:self.compute_grid_offsets(grid_size, cuda=x.is_cuda)# Add offset and scale with anchorspred_boxes = FloatTensor(prediction[..., :4].shape)pred_boxes[..., 0] = x.data + self.grid_xpred_boxes[..., 1] = y.data + self.grid_ypred_boxes[..., 2] = torch.exp(w.data) * self.anchor_wpred_boxes[..., 3] = torch.exp(h.data) * self.anchor_houtput = torch.cat((pred_boxes.view(num_samples, -1, 4) * self.stride,pred_conf.view(num_samples, -1, 1),pred_cls.view(num_samples, -1, self.num_classes),),-1,)if targets is None:return output, 0else:iou_scores, class_mask, obj_mask, noobj_mask, tx, ty, tw, th, tcls, tconf = build_targets(pred_boxes=pred_boxes,pred_cls=pred_cls,target=targets,anchors=self.scaled_anchors,ignore_thres=self.ignore_thres,)# Loss : Mask outputs to ignore non-existing objects (except with conf. loss)loss_x = self.mse_loss(x[obj_mask], tx[obj_mask])loss_y = self.mse_loss(y[obj_mask], ty[obj_mask])loss_w = self.mse_loss(w[obj_mask], tw[obj_mask])loss_h = self.mse_loss(h[obj_mask], th[obj_mask])loss_conf_obj = self.bce_loss(pred_conf[obj_mask], tconf[obj_mask])loss_conf_noobj = self.bce_loss(pred_conf[noobj_mask], tconf[noobj_mask])loss_conf = self.obj_scale * loss_conf_obj + self.noobj_scale * loss_conf_noobjloss_cls = self.bce_loss(pred_cls[obj_mask], tcls[obj_mask])total_loss = loss_x + loss_y + loss_w + loss_h + loss_conf + loss_cls# Metricscls_acc = 100 * class_mask[obj_mask].mean()conf_obj = pred_conf[obj_mask].mean()conf_noobj = pred_conf[noobj_mask].mean()conf50 = (pred_conf > 0.5).float()iou50 = (iou_scores > 0.5).float()iou75 = (iou_scores > 0.75).float()detected_mask = conf50 * class_mask * tconfprecision = torch.sum(iou50 * detected_mask) / (conf50.sum() + 1e-16)recall50 = torch.sum(iou50 * detected_mask) / (obj_mask.sum() + 1e-16)recall75 = torch.sum(iou75 * detected_mask) / (obj_mask.sum() + 1e-16)self.metrics = {"loss": to_cpu(total_loss).item(),"x": to_cpu(loss_x).item(),"y": to_cpu(loss_y).item(),"w": to_cpu(loss_w).item(),"h": to_cpu(loss_h).item(),"conf": to_cpu(loss_conf).item(),"cls": to_cpu(loss_cls).item(),"cls_acc": to_cpu(cls_acc).item(),"recall50": to_cpu(recall50).item(),"recall75": to_cpu(recall75).item(),"precision": to_cpu(precision).item(),"conf_obj": to_cpu(conf_obj).item(),"conf_noobj": to_cpu(conf_noobj).item(),"grid_size": grid_size,}return output, total_loss def build_targets(pred_boxes, pred_cls, target, anchors, ignore_thres):ByteTensor = torch.cuda.ByteTensor if pred_boxes.is_cuda else torch.ByteTensorFloatTensor = torch.cuda.FloatTensor if pred_boxes.is_cuda else torch.FloatTensornB = pred_boxes.size(0)nA = pred_boxes.size(1)nC = pred_cls.size(-1)nG = pred_boxes.size(2)# Output tensorsobj_mask = ByteTensor(nB, nA, nG, nG).fill_(0)noobj_mask = ByteTensor(nB, nA, nG, nG).fill_(1)class_mask = FloatTensor(nB, nA, nG, nG).fill_(0)iou_scores = FloatTensor(nB, nA, nG, nG).fill_(0)tx = FloatTensor(nB, nA, nG, nG).fill_(0)ty = FloatTensor(nB, nA, nG, nG).fill_(0)tw = FloatTensor(nB, nA, nG, nG).fill_(0)th = FloatTensor(nB, nA, nG, nG).fill_(0)tcls = FloatTensor(nB, nA, nG, nG, nC).fill_(0)# Convert to position relative to boxtarget_boxes = target[:, 2:6] * nGgxy = target_boxes[:, :2]gwh = target_boxes[:, 2:]# Get anchors with best iouious = torch.stack([bbox_wh_iou(anchor, gwh) for anchor in anchors])best_ious, best_n = ious.max(0) #求最大iou# Separate target valuesb, target_labels = target[:, :2].long().t()gx, gy = gxy.t()gw, gh = gwh.t()gi, gj = gxy.long().t()# Set masksobj_mask[b, best_n, gj, gi] = 1 #最佳anchor對應的位置obj_mask設置為1noobj_mask[b, best_n, gj, gi] = 0 #最佳anchor對應位置noobj_mask設置為0# Set noobj mask to zero where iou exceeds ignore thresholdfor i, anchor_ious in enumerate(ious.t()):noobj_mask[b[i], anchor_ious > ignore_thres, gj[i], gi[i]] = 0 #anchor與gt的iou > ignore_thres的noobj_mask設置為0，即滿足該條件的anchor不管# Coordinatestx[b, best_n, gj, gi] = gx - gx.floor() #中心坐標轉換為偏移量ty[b, best_n, gj, gi] = gy - gy.floor()# Width and heighttw[b, best_n, gj, gi] = torch.log(gw / anchors[best_n][:, 0] + 1e-16) #目標物體寬高轉換th[b, best_n, gj, gi] = torch.log(gh / anchors[best_n][:, 1] + 1e-16)# One-hot encoding of labeltcls[b, best_n, gj, gi, target_labels] = 1# Compute label correctness and iou at best anchorclass_mask[b, best_n, gj, gi] = (pred_cls[b, best_n, gj, gi].argmax(-1) == target_labels).float()iou_scores[b, best_n, gj, gi] = bbox_iou(pred_boxes[b, best_n, gj, gi], target_boxes, x1y1x2y2=False)tconf = obj_mask.float()return iou_scores, class_mask, obj_mask, noobj_mask, tx, ty, tw, th, tcls, tconf

水平有限，不當之處請指教，謝謝！

總結

以上是生活随笔為你收集整理的yolov3损失函数分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。