2021-06-21

有时间会长期更新，主要是练一练自己的代码

---

前言

为了让自己安心学习，也为了可能会给更多的初学者帮助，因此我会在加下来这段时间开始更新YOLO算法的复现。

loss设计

# gt: batch_size*7*7*(5+20)   真实框
# pr: batch_size*3*7*7*(5+20)   #预测框

class Loss_function():
    def __init__(self):
        self.size = 7     #特征图尺寸
        self.num = 3      #多尺度预测

    def calculate(self,gt,pr):
        no_obj = 0        #无目标损失
        loc_obj = 0       #有目标定位损失
        cls_obj = 0       #有目标类别损失
        for q in range(len(gt)):        #遍历batch_size
            for i in range(self.num):  # self.num = 3
                for j in range(self.size):  # self.size = 7
                    for k in range(self.size):  # self.size = 7
                        if gt[q, j, k, 4] == 1:
                            no_obj += 1 - pr[q,i, j, k, 4]
                            lx = (gt[q, j, k, 0] - pr[q, i, j, k, 0]) / pr[q, i, j, k, 2]
                            ly = (gt[q, j, k, 1] - pr[q, i, j, k, 1]) / pr[q, i, j, k, 3]
                            lw = np.log2(gt[q, j, k, 2] / pr[q, i, j, k, 2])
                            lh = np.log2(gt[q, j, k, 3] / pr[q, i, j, k, 3])
                            loc_obj += lx + ly + lw + lh
                            cls_obj += sum(np.abs(gt[q, j, k, 5:] - pr[q, i, j, k, 5:]))
                        else:
                            no_obj += pr[q, i, j, k, 4]

        return no_obj+loc_obj+cls_obj

#测试
loss = Loss_function()
gt = np.random.random(size=(2,7,7,25))
pr = np.random.random(size=(2,3,7,7,25))

print(loss.calculate(gt,pr))

总结

非常简单的损失函数设计