创新点:Mosaic图像增强、SPP模块、CIOU loss、Focal loss。
1.Mosaic图像增强方法:将多张图片拼接在一起,比如四张照片,按照左右左右拼起来。有三个优点,如下图中描述的。能够增加输入图片中目标的个数,最主要的是暗中增加了Batch size,这能BN就能一次性统计多张图片参数。
2.SPP模块
借鉴于SPPnet,但是有不同。就是在第一个预测特征层之前加上一个SPP模块,输出一个尺寸不变,通道为四倍的张量。
3.CIOU Loss:由IOU loss ->GIOU loss ->DIOU loss ->CIOU loss
(1)IOU loss = -ln(IOU)
(2)GIOU Loss:Ac为蓝框的面积,u为并集的面积。
(3)DIOU Loss:d为预测框与真实框中心点之间的距离,c为大框对角线的距离。
(4)CIOU Loss:α和v为长宽比的参数。
4.Focal loss
α调整正负样本的权重,λ能控制难易分类样本的权重。两个参数 α和γ 来控制Focal loss,在实验中a的选择范围也很广,一般而言当γ增加的时候,a需要减小一点,本文作者采用α=0.25,γ=2效果最好。
Focal Loss能够降低对易分样本的损失权重,比如下图前两行标签都为1,概率也都大,FL损失是CE损失的1/400,所以降低了易分样本的损失。三四行也是相同道理,标签为0,概率也都小,FL很小。
但是五六行,标签为1但是概率为0.1,所以不是易分样本,FL损失为CE损失的1/4.9,差距不大,第六行同理。