初学YOLOv3 SPP

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。