YOLOV3的三个门限值解释以及yolov3详解

YOLOV3

关于yolov3必须了解的三个门限值

ignore_iou_thresh:【IOU门限】标记与真实框有交集的锚框的objectness（框内是否有物体）为1还是-1的分界线

yolov3是对生成的每个锚框进行标记
标记与真实框IOU最大的锚框objectness=1【只有该锚框对应的预测框才参与损失函数计算和类别预测】
标记与真实框的非最大但IOU大于等于ignore_iou_thresh的锚框的objectness=-1表示是真实框对应的锚框（锚框包含真实目标），但其对应的预测框不负责损失函数计算和类别预测
其他锚框统一标记objectness=0表示锚框不包含真实目标【俗称负样本/背景】，其对应的预测框不负责损失函数计算和类别预测
objectness!=0锚框对应的目标称为正样本（前景）

score_thresh：[置信度门限]：表示进行预测时被保留的预测框应该达到的置信度门限值

注：yolov3的置信度（score）与其他two-stage检测器不同，yolov3置信度表示对于此预测框有多大把握此框内包含物体且分类正确，而two-stage检测器只表示有多大把握分类正确
YOLOV3类别置信度 = 条件类别概率 * 置信度

nms_iou_thresh:[IOU门限]进行nms筛选预测框，去掉预测同一物体重复框的阈值

在进行nms时，会先对同类的预测框按score从大到小排序然后筛选该类所有物体的真实框，但是如何知道预测框是预测同一物体还是不同物体呢？具体方法是对于每个真实物体先挑选score最高的作为自身的最终预测框，而对于那些与最终预测框的IOU>=nms_iou_thresh则会当作预测该物体的重复框（对同一物体重复预测），然后被排除

生成锚框与预测框

锚框：yolov3产生锚框的方式不同于two_stage检测器的随机生成锚框的方式，而是将一张图片划分成m*n个小方格，每个小方格生成k个（默认k=3）以每个小方格的中心为中心的不同大小的锚框【k个锚框就是k种大小】

---

预测框： 每个锚框对应一个预测框，但是只有objectness=1的锚框对应的预测框计入损失函数和进行分类判别

对于一张图片会生成$m\ast n\ast k$个锚框/预测框，其中objectness=1的锚框数等于真实框的个数

---

如何由锚框（xywh格式）生成预测框
预测框相当于锚框的一个微调量，设预测框相对于锚框的微调量表示为$(t_x,t_y,t_w,t_h)$
1.求出锚框的中心坐标$（c_x,c_y）$，在此锚框中心的基础偏移一定量得到预测框中心$(b_x$