yolov3损失函数改进_YOLOv3论文解析

YOLOv3已经出来很久了，自己的文字检测也是用的YOLOv3完成的，最近一直被问到一些相关细节问题，自己不看源码也确实记不起来了，干脆就简单写下来好了。代码参考均来自于Github:keras-yolov3

一、改进

改进一：边界框的预测

yolov3的anchors和yolov2一样由聚类得到，数量由5个增加到9个。直接预测得到tx,ty,tw,th,to然后通过下面两张图的转换公式得到最后的归一化真实值(还需要乘以对应图像的H，W还原)。

其中：

xywh实际值转换公式.png

xywh对应关系.png

# 将output 转换为实际值

box_xy = (K.sigmoid(feats[..., :2]) + grid) / K.cast(grid_shape[::-1], K.dtype(feats))

box_wh = K.exp(feats[..., 2:4]) * anchors_tensor / K.cast(input_shape[::-1], K.dtype(feats))

box_confidence = K.sigmoid(feats[..., 4:5])

box_class_probs = K.sigmoid(feats[..., 5:])

改进二：类别预测

不再使用Softmax进行分类，类内竞争会损失精度，对每一类使用二分类，分类损失也使用二值交叉熵。