frcnn和yolo3损失函数详解

在分享了yolo3的庖丁解牛版后，陆续有一些小伙伴发来信息说，损失函数讲的太简单了 - -，各位大哥，我错了，现在把yolo3的损失函数重新一点一点刨开，同时预先对接下来要分享的faster rcnn中的损失函数部分一起，提前跟大家一点一点解释清楚，以提早发现问题，方便我在重组代码时能把注释写得明明白白的。

 

先上frcnn吧。。。代码参考：https://github.com/ldhsight/keras_frcnn同事有人问我，没人star，你还去学- -

相比大众版的frcnn或者yolo3等代码，他们确实很完善，然而不便于新手上路。正是因为他们的完善和代码的优化，很多地方会导致你看不懂，比如yolo3对nms的写法，掺杂了非常不常用的tensorflow函数，数据处理大篇幅用numpy大法，空间想象力不足的话会抓狂。同时那些代码是面向工程的，很多附加内容与标准写法让你望而却步。因此，这也是为什么先把frcnn代码先进行分享，因为这篇代码，是我选了又选挑出来最平易近人的（虽然他是有问题的）

 

OK，开始吧

1、Faster Rcnn

要想知道损失函数的意义，必定需要详细地了解三个内容：真实数据，神经网络输出，优化目标

（1）第一阶段：

真实数据为:

1）y_rpn_cls 和 y_rpn_regr

其中y_rpn_cls.shape=(1, row, col, 18)，这里以tf版为标准。18代表着：前9个值为anchor是否可用于当前区域，后9个值为该区域是前景还是背景

y_rpn_regr.shape=(1, row, col, 72)，72表示：前36个值为是前景背景的X4版本，其实就用4个1表示前景，4个0表示背景，就是y_rpn_cls后9个值扩大四个长度

网络输出为：

1）x_class

x_class.shape=(n, row, col, 9)

x_regr.shape=(n, row, col, 36)

损失函数为：

def rpn_loss_cls(num_anchors):
    def rpn_loss_cls_fixed_num(y_true, y_pred):
        if K.image_dim_ordering() == 'tf':
            # 炒鸡神奇炒鸡巧妙的损失函数
            return lambda_rpn_class * K.sum(y_true[:, :, :, :num_anchors] * K.binary_crossentropy(y_pred[:, :, :, :], y_true[:, :, :, num_anchors:])) / K.sum(epsilon + y_true[:, :, :, :num_anchors])
        else:
            return lambda_rpn_class * K.sum(y_true[:, :num_anchors, :, :] * K.binary_crossentropy(y_pred[:, :, :, :], y_true[:, num_anchors:, :, :])) / K.sum(epsilon + y_true[:, :num_anchors, :, :])

    return rpn_loss_cls_fixed_num

def rpn_loss_regr(num_anchors):
    def rpn_loss_regr_fixed_num(y_true, y_pred):
        if K.image_dim_ordering() == 'th':
            x = y_true[:, 4 * num_anchors:, :, :] - y_pred
            x_abs = K.abs(x)
            x_bool = K.less_equal(x_abs, 1.0)