YOLO v3采用focal_loss 效果拙见,不对的地方欢迎指正
-
论文里,yolov3里一个gt只分配给一个最高iou的predict anchor,不是最高,如果iou高 于 阈值,就忽略这个预测,对于小于阈值的predict anchor只有objectness loss,这个方法筛除了很多预测框,而 objectness loss只是很小的一部分;
-
本身yolov3只对ahchor 和groudtruth 最高iou做loss ,其本身筛选掉了大部分背景框,所以不存在不均衡的问题了;
-
yolov3在计算loss的时候,统计的是那些已经和groundtruth匹配上的loss,其实这就是解决正负样本不均衡的一个办法,所以focal loss在yolo上作用没那么大
小知识点:
感受野:低层特征图感受野较小,更容易捕获局部信息,对小目标敏感,但是缺乏语义信息 底层是靠近输入的层 特征粒度更细 感受也更小
https://github.com/AlexeyAB/darknet/issues/1003