yolov2训练_Yolov2损失函数细节研究

首先附上我下载的计算公式（论文里未写出）

首先

分别指的是特征图（

）的宽与高，而

指的是先验框数目（这里是5），各个

值是各个loss部分的权重系数，除了预测有对象的损失函数系数设置为5，其他都为1。

有无对象损失函数计算方法

其中

=5，

=1。

表示最大的IOU都小于0.6时，取1。

表示0-confidence，详情见代码

# no_object_scale = 1
# (1 - object_detections)保留阈值小于0.6的预测框
#  1 - detectors_mask保留与trueboxes不匹配的anchors
#  pred_confidence，这部分有无对象的置信度
no_object_weights = (no_object_scale * (1 - object_detections) *
                         (1 - detectors_mask))                       
    no_objects_loss = no_object_weights * K.square(-pred_confidence)
                                   # pred_confidence，无对象的置信度，希望它越小越好，符合损失函数
    if rescore_confidence:
        objects_loss = (object_scale * detectors_mask *
                        K.square(best_ious - pred_confidence))
                                  
    else:
        objects_loss = (object_scale * detectors_mask *
                        K.square(1 - pred_confidence))  
    confidence_loss = objects_loss + no_objects_loss
                                   # 1 - pred_confidence，希望它越小越好（pred_confidence越大越好），符合损失函数

YOLOv2中，总共有845个anchor_boxes。在未与true_boxes匹配的anchor_boxes中，与true_boxes的max IOU小于0.6预测无对象，需要计算no_objects_loss其损失。而objects_loss则是与true_boxes匹配的anchor_boxes的预测误差。与YOLOv1不同的是修正系数的改变，YOLOv1中no_objects_loss和objects_loss分别是0.5和1，而YOLOv2中则是1和5。其中 objects_loss = (object_scale * detectors_mask * K.square(best_ious - pred_confidence))和公式表述相类似。

类别损失函数计算方法

均方误差：（1-卷积层预测类别概率）的平方；

这里：matching_classes和detectors_mask 是preprocess_true_boxes函数（allanzelener/YAD2K）计算获得，也就是trueboxes和anchors的预处理得到的结果（每个trueboxes都会匹配对应的anchors，并将给anchors打标签）。

matching_classes = K.cast(matching_true_boxes[..., 4], 'int32')
    matching_classes = K.one_hot(matching_classes, num_classes)
    classification_loss = (class_scale * detectors_mask *
                           K.square(matching_classes - pred_class_prob))

坐标损失函数计算方法

这里较YOLOv1的改动较大：

1）计算x,y的误差由相对于整个图像（416x416）的offset坐标误差的均方改变为相对于gird cell的offset坐标误差的均方。并且将YOLOv1w,h取根号处理改为对YOLOv2中长宽放缩因子取log。

2）并将修正系数由5改为了1 。

相同点：YOLOv1的想法一样，对于相等的误差值，降低对大物体误差的惩罚，加大对小物体误差的惩罚。

解释下括号里面参数的含义：

预测值：神经网络预测的（tx,ty,tw,th）中（tx，ty）是取sigmoid函数得到的处于（0,1）的值，（tw，th）保持不变；显然这四个参数是需要神经网络训练的。

真值：将trueboxes同匹配的anchors进行运算求得，（tx,ty,tw,th）中(tx，ty)为trueboxes在13x13尺度下中心相对gridcell的偏移值，（tw，th）是与对true_boxes匹配的anchor_boxes的长宽的比值取log函数。

# Coordinate loss for matching detection boxes.
    matching_boxes = matching_true_boxes[..., 0:4]
    coordinates_loss = (coordinates_scale * detectors_mask *
                        K.square(matching_boxes - pred_boxes))

"""
matching_true_boxes: 这里的shape是[13,13,5,5]，四个维度。
		第一个维度：true_boxes的中心位于第几行（y方向上属于第几个gird cel）
		第二个维度：true_boxes的中心位于第几列（x方向上属于第几个gird cel）
		第三个维度：第几个anchor box
		第四个维度：[x,y,w,h,class]。这里的x，y表示offset，是基于对应的gird cell的坐标值，w,h是取了log函数的，class是属于第几类。

x: box[0] - j, 
y: box[1] - i,
w: np.log(box[2] / anchors[best_anchor][0]),
h: np.log(box[3] / anchors[best_anchor][1]), 
class: box_class。
"""
"""
神经网络卷积层输出结果中将tx和ty经过sigmoid函数处理过的；
tw,th: 与对true_boxes匹配的anchor_boxes的长宽的比值取log函数，
pred_boxes = K.concatenate(
        (K.sigmoid(feats[..., 0:2]), feats[..., 2:4]), axis=-1)
                                 'shape:[1,13,13,5,4],[sigmoid(tx),sigmoid(ty),tw,th']
"""

附上：YOLOv1的损失函数（第一项坐标之间是减号）