YOLOv3已經出來很久了，自己的文字檢測也是用的YOLOv3完成的，最近一直被問到一些相關細節問題，自己不看源碼也確實記不起來了，干脆就簡單寫下來好了。代碼參考均來自于Github:keras-yolov3

一、改進

改進一：邊界框的預測

yolov3的anchors和yolov2一樣由聚類得到，數量由5個增加到9個。直接預測得到tx,ty,tw,th,to然后通過下面兩張圖的轉換公式得到最后的歸一化真實值(還需要乘以對應圖像的H，W還原)。

其中：

xywh實際值轉換公式.png

xywh對應關系.png

# 將output 轉換為實際值

box_xy = (K.sigmoid(feats[..., :2]) + grid) / K.cast(grid_shape[::-1], K.dtype(feats))

box_wh = K.exp(feats[..., 2:4]) * anchors_tensor / K.cast(input_shape[::-1], K.dtype(feats))

box_confidence = K.sigmoid(feats[..., 4:5])

box_class_probs = K.sigmoid(feats[..., 5:])

改進二：類別預測

不再使用Softmax進行分類，類內競爭會損失精度，對每一類使用二分類，分類損失也使用二值交叉熵。

改進三：多尺度預測

FPN已經被證明了是非常有效的tricks，自然而然被納入了yolov3中。其中包含三個特征圖尺度，分別下采樣32x，16x，8x，每個特征圖上設置三種大小的anchors，對應大、中、小，每一個尺度的特征圖上可以得到 N × N × [3 ? (4 + 1 + 80)] 的結果，分別是N x N個 gird cell ，3種尺度的anchors，x、y、w、h、confidence、80類。

改進四：特征提取器

由yolov2的darknet-19升級為darknet-53。

darknet-53.png

result.png

改進五：訓練方法

作者此處引用了自己的網站主頁。。。

二、具體做法和實驗結果

精度.png

速度.png

三、一些嘗試但是不起作用

嘗試使用預測中心點x、y的偏移量和w、h的比例關系，穩定性下降，結果并不好。

嘗試直接預測x、y而不是使用logistic，MAP下降。

嘗試使用Focal Loss，MAP下降2%，作者也不確定原因。

嘗試使用Faster-rcnn的雙IOU閾值，在訓練期間：iou>0.7，正例；0.3

四、損失函數

xy_loss

二值交叉熵(KL散度)

wh_loss

SSE

confidence_loss

分為obj和no_obj兩種情況計算。對于obj(該檢測框有對應的真實框)，二值交叉熵；對于no_obj(該檢測框無對應的真實框)，當檢測框和真實框的iou低于0.5，需要計算no_obj_confidence_loss，也是二值交叉熵。

class_loss

二值交叉熵

# 這里是一個系數，面積越小權重越高

box_loss_scale = 2 - y_true[l][...,2:3]*y_true[l][...,3:4]

xy_loss = object_mask * box_loss_scale * K.binary_crossentropy(raw_true_xy, raw_pred[...,0:2], from_logits=True)

wh_loss = object_mask * box_loss_scale * 0.5 * K.square(raw_true_wh-raw_pred[...,2:4])

confidence_loss = object_mask * K.binary_crossentropy(object_mask, raw_pred[...,4:5], from_logits=True)+ \

(1-object_mask) * K.binary_crossentropy(object_mask, raw_pred[...,4:5], from_logits=True) * ignore_mask

class_loss = object_mask * K.binary_crossentropy(true_class_probs, raw_pred[...,5:], from_logits=True)

總結

以上是生活随笔為你收集整理的yolov3损失函数改进_YOLOv3论文解析的全部內容，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。