AI大视觉（十一) | Yolo v3 如何进行训练？

本文来自公众号“AI大道理”。

这里既有AI，又有生活大道理，无数渺小的思考填满了一生。

​

yolov3训练的loss是在特征层上进行求解的。

所以不管是预测值，还是真实值都要映射到特征层上。

这是一个双向奔赴的过程。

loss求解

（1）输入图片进行数据增强。

（2）将图片输入yolov3网络获得三个特征层的预测结果。

（3）三个有效特征层循环计算损失。

（4）反向传播进行训练。

由于YOLOv3将分类预测改为回归预测，分类损失函数便换成了二值交叉熵损失函数。

Loss 要计算：

• 中心点的 Loss

• 宽高的 Loss

• 置信度的 Loss

• 目标类别的 Loss

• 

其中：

宽高w、h的loss使用均方差损失函数。

中心点的坐标x、y的loss、置信度c的loss和目标类别p的loss使用交叉熵损失函数。

解释：

对于目标类别obj 的loss，Logistic回归正好方差损失和交叉熵损失的求导形式是一样的，都是output - label的形式。也就是说，本来这里应该用（二元分类的）交叉损失熵的，不过作者在代码里直接用方差损失代替了。

对于中心点的坐标x、y的 loss，DarkNet官方实现的YOLOV3里面坐标损失用的是BCE Loss，而YOLOV3官方论文里面说的是MSE Loss。

对于宽高w、h的loss是MSE Loss，因为没有经过sigmoid，而x、y是BCE Loss因为经过了sigmoid。

预测值

（1）三个有效特征层进行循环计算损失。

（2）获得特征层的宽高，先验框尺寸缩放到特征层大小。

利用原来图片尺寸和特征层的比例进行缩放。

（3）特征层获得预测结果，即先验框的调整参数。

（4）将预测结果解码与真实框计算IOU，重合程度大的预测结果则忽略。

因为这是属于预测比较准确的框，作为负样本不合适。

（5）预测框的参数与真实框的参数在特征层上进行比较求loss。

真实值

（1）真实框循环，取出其中一个真实框。

.xml：

使用labelImg软件进行标注得到.xml文件，两个目标是使用左上角和右下角的格式的。

.xml->.txt:

label:

经过转化，中心点以及宽和高的标注信息，并且进行归一化，四个值即是归一化后保留4位有效数字的x，y，w，h。

（2）原始的真实框数值是0-1之间，需要乘上先验框的宽高，才可以转化成特征层的形式，才可以把它和先验框进行对比（暂时不是与预测框对比）

label*13:

（3）计算真实框在特征层上的中心点、宽高，计算真实框属于特征层的哪个网格。

13*13个网格中的哪个，就是根据真实框的位置确定这个真实框由哪个网格负责预测。

网格的左上角负责预测，所以只要中心点坐标去掉小数点保留整数的数值就是了。

如上面的两个真实框在13*13的特征层中由(8,8)与（9,7）这两个网格负责预测。

当然，每个网格有三个先验框。

（4）真实框与属于这个特征层的3个先验框计算交并比，与真实框重合度最大的先验框就是这个真实框的来源框。

（5）编码得到真实框的参数。

与解码公式相反。

其中：

中心偏差真实参数=真实框中心-网格左上角

宽高真实参数=log(真实框的宽高/先验框的宽高)

解码公式：

编码公式：

（6）真实框的参数与预测框的参数在特征层上进行比较求loss。

（7）继续取出真实框，进行相同操作。

总结

yolov3训练的loss是在特征层上进行求解的。

所以不管是预测值，还是真实值都要映射到特征层上。

这是一个双向奔赴的过程。

 

   

 ——————

浅谈则止，细致入微AI大道理

扫描下方“AI大道理”，选择“关注”公众号

—————————————————————

  

 —————————————————————

投稿吧   | 留言吧