【目标检测系列】yolov2的损失函数详解（结合pytorch代码）

0.无语

1.理论回头补充吧

 

2.流程：

        a.将预测的box框的（x，y，h，w）与anchor（5个）去做对应，得到预测框box在特征图上的真正预测值（x0，y0，h0，w0）。yolo_to_bbox函数实现

        b.计算真值的预测框与预测值的box框的iou值。bbox_np函数实现。是在像素坐标图上实现的

        c.用阈值卡肯定无目标区域，准备这个区域的loss函数计算。无目标的置信度loss的组成部分

        d.计算真值与anchor框的iou值。anchor_intersections函数实现。是在特征图上实现的。

        e.根据d的计算，找出真值对应的最佳anchor，认为此区域包含目标了，然后计算有用目标的3个loss的组成部分，3个loss分别是 置信度loss， 分类loss， box框loss。

1. 最开始的处理

# tx, ty, tw, th, to -> sig(tx), sig(ty), exp(tw), exp(th), sig(to)
        # xy_pred存储的是中心坐标相对于cell左上角的x坐标和y坐标的偏置，采用sigmod是为了将偏置控制在0和1之间。
        xy_pred = F.sigmoid(global_average_pool_reshaped[:, :, :, 0:2])
        # wh_pred存储的是预测的width和height，需要用指数函数解码
        wh_pred = torch.exp(global_average_pool_reshaped[:, :, :, 2:4])
        bbox_pred = torch.cat([xy_pred, wh_pred], 3) #bbox_pred [batchsize  w * h   num_anchors  4]
        # iou_pred存储的是IOU存在置信度，采用sigmod控制在0和1之间 二分类 存在与否
        iou_pred = F.sigmoid(global_average_pool_reshaped[:, :, :, 4:5])
        # score_pred存储的是分类置信度，采用softmax控制在0和1之间  多分类 属于哪个类别
        score_pred = global_average_pool_reshaped[:, :, :, 5:].contiguous()
        prob_pred = F.softmax(score_pred.view(-1, score_pred.size()[-1])).view_as(score_pred)  # noqa

2.anchor与预测值之间是怎么对应上的，下面这个代码里写的很清晰。此函数计算的是每个预测的box框在5个尺度（anchor）下在特征图上的预测框值（拗口哈，因为预测值bbox_pred_np是一个0~1之间的相对于网格左上角的偏移量，只有乘上anchor后才是目标在当前网格的当前anchor下的一个预测值框，这个值才能映射回原图，得到像素坐标）。换句话说，只有经过这个函数的处理，得到的才是在特征图上的预测边界。对应语句是bbox_np = bbox_np[0]

cimport cython
import numpy as np
cimport numpy as np

DTYPE = np.float
ctypedef np.float_t DTYPE_t

cdef extern from "math.h":
    double abs(double m)
    double log(double x)


def yolo_to_bbox(
        np.ndarray[DTYPE_t, ndim=4] bbox_pred,
        np.ndarray[DTYPE_t, ndim=2] anchors, int H, int W):
    return yolo_to_bbox_c(bbox_pred, anchors, H, W)

cdef yolo_to_bbox_c(
        np.ndarray[DTYPE_t, ndim=4] bbox_pred,
        np.ndarray[DTYPE_t, ndim=2] anchors, int H, int W):
    """
    Parameters
    --