Anchor-based的目标检测网络按阶段来分有两类,以RCNN为代表的的二阶段检测和SSD,Yolo为代表的一阶段网络
ssd中位置回归损失函数
锚框和真实框的匹配策略:
1.为每个真实框匹配一个与其IOU最高的锚框
2.为每个未匹配的锚框,计算与所有真实框的IOU的最大值,如果最大值大于阈值,那么用这个锚框来预测这个IOU最大值对应的真实框
困难负样本挖掘:
因为正负样本严重不平衡,因此在训练中,只对置信度损失较大的负样本进行学习,并保证正负样本比例在1:3
L2损失函数:
优点:连续光滑,方便求导,具有较稳定的解
缺点:对异常值敏感,可能导致梯度爆炸
L1损失函数:
优点:有稳定的梯度,不会导致梯度爆炸,对异常值的敏感程度轻于L2
缺点:中心点不可导,在中心点附近导数变化大,容易导致不稳定的解
smoothL1损失函数:
优点:
在|x|<1时,表现得像L2损失,连续光滑,方便求导,具有稳定解
在|x|>1时,表现得像L1损失,有稳定梯度,不会导致梯度爆炸,对异常值不敏感
IOU计算: