YOLOv3算法笔记

本文为个人学习过程中所记录笔记，便于梳理思路和后续查看用，如有错误，感谢批评指正！
参考：
paper
项目地址

相同点

  和YOLOv2相同，YOLOv3同样采用基于anchor的方法，预测的值与YOLOv2也是相同，gird的左上角的偏移来得到中心cx, cy，bounding box的宽高便宜缩放得到宽高。

  训练过程中，采用误差平方损失和。预测框为对应的ground truth box标签（需要反向编码，使用真实的x、y、w、h计算出 tx, ty, tw, th真值）。
  采用逻辑回归预测每个box的objectness分数，对于重合度最大的anchor设为1，但是如果不是最大的，但是大于阈值，依旧不进行预测。一个真值仅分配一个anchor，如果先前的边界框未分配给grounding box对象，则不会对坐标或类别预测造成损失，仅有objectness loss（参考【论文解读】Yolo三部曲解读——Yolov3解释这里有歧义，其实是忽略样本，不计算任何loss，负样本才仅仅计算objectness loss）。

不同点

  1、YOLOv3采用多标签分类，用多个独立的logistic分类器代替softmax函数，以考虑多标签的情况。在计算分类损失进行训练时，YOLOv3对每个标签使用二元交叉熵损失。

  2、为解决之前YOLO算法一直对于小目标检测的劣势，YOLOv3引入了多尺度预测。分为三个不同尺度的头，分别针对不同大小的目标进行检测。每个尺度的特征图上有3个bounding box，因此预测向量是N * N * 3 * (4 + 1 + 80)。然后上采样其中两个特征图，concatenate起来，这里用了FPN。

  3、同样采用聚类方法得到anchor，不过每个grid设置9个anchor。

  4、backbone引入Resnet的跳跃连接，叫darknet53。比YOLOv2的darknet19更强。甚至强于Resnet101和Resnet152。

  作者分析YOLOv3下表的性能发现，在iou阈值0.5的情况下的性能和Retinanet及其变体的性能差得不多，但是当阈值调到0.75以后，性能会大幅度下降，这表明，YOLOv3的回归存在一定的问题，框很难与真值对得特别齐。作者还发现与之前一直苦于诟病的小目标检测效果较差相反，采用了多尺度预测的YOLOv3在中大型目标上的预测反而相对较差。

作者尝试了没用的方法

  1、Anchor box（锚定框）坐标的偏移预测：我们尝试了常规的Anchor box预测方法，比如利用线性激活将坐标x、y的偏移程度预测为边界框宽度或高度的倍数。但我们发现这种做法降低了模型的稳定性，且效果不佳。
  2、线性x，y预测，而不是逻辑预测：我们尝试使用线性激活来直接预测x，y偏移量，而不是Logistic激活。这导致map下降了几个百分点。
  3、Focal loss：我们试着用Focal loss。它使我们的map下降了大约2个点。YOLOv3可能已经对Focal loss试图解决的问题具有鲁棒性，因为它有单独的客观性预测和条件类预测。因此，对于大多数例子来说，类预测没有损失吗？还是别的什么？我们不能完全确定。
  4、双IOU阈值和真值分配：在训练期间，Faster RCNN用了两个IOU阈值，如果预测的边框与0.7的ground truth重合，那它是个正面的结果；如果在[0.3—0.7]之间，则忽略；如果和0.3的ground truth重合，那它就是个负面的结果。我们尝试了这种思路，但效果并不好。我们对现在的更新状况很满意，它看起来已经是最佳状态。有些技术可能会产生更好的结果，但我们还需要对它们做一些调整来稳定训练。