Faster RCNN

Faster RCNN

3.1.2 Loss Function

为了训练rpn，我们为每个anchor分配一个二进制类标签（不管是否为对象）。我们给两种anchor分配一个正标签：（i）与ground-truth box有最高IoU的anchor。(ii)与ground-truth box的IoU交集大于0.7的anchor。请注意，一个ground-truth box可以将正标签分配给多个anchor。通常第二个条件足以确定阳性样本；但我们仍然采用第一个条件，因为在某些罕见的情况下，第二个条件可能找不到阳性样本。如果一个非正anchor的IoU比率低于0.3，我们给它分配一个负标签.anchor无论是positive的还是negative的，都无助于实现训练目标。

利用这些定义，我们在Fast R-CNN[2]中最小化了多任务丢失后的目标函数。我们对图像的损失函数定义为：

这里，i是一个小批量anchor的索引，$p_i$是anchor i作为对象的预测概率。如果anchor是positive的，对应的ground-truth label $p_i^{\ast }$为1，如果是negative的，为0。$t_i$是表示预测边界框的4个参数化坐标的向量，$t_i^{\ast }$是positive anchor对应的ground-truth box。分类损失$L_{cls}$是对数损失。对于回归损失，我们用$L_{reg}(t_i,t_i^{\ast })=R(t_i-t_i^{\ast })$其中R为[2]中定义的鲁棒损失函数(光滑L1)。$p_i^{\ast }{L}_{reg}$项意味着只被激活的positive anchor的回归损失$(p_i^{\ast }=1)$否则就会被禁用$(p_i^{\ast }=0)$。cls层和reg层的输出分别由$p_i$和$t_i$组成。

这两项用$N_{cls}$和$N_{reg}$规范化，并用平衡参数$\lambda$加权。在我们当前的实现中（如在发布的代码中），Eqn（1）中的cls项通过小批量大小（即$N_{cls}$=256）规范化，而reg项通过anchor 位置的数量（即$N_{reg}$大约2400）规范化。默认情况下，我们将 $\lambda$ =10，因此cls和reg项的权重大致相等。我们通过实验表明，结果在很大范围内对$\lambda$ 值不敏感（表9）。我们还注意到，上述规范化是不需要的，可以简化。

对于边界框回归，我们采用[5]之后的4个坐标的参数化:

其中x、y、w和h表示方框的中心坐标及其宽度和高度。变量x、$x_a$和 $x^{\ast }$ 分别用于预测框、anchor框和groundtruth box（同样用于y,w,h）。这可以被认为是从anchor框到附近groundtruth box的边界框回归。