YOLOv3正负样本定义
1.每一个目标都只有一个正样本,max-iou matching策略,匹配规则为IOU最大(没有阈值),选取出来的即为正样本;
2.IOU<0.2(人为设定阈值)的作为负样本;
3.除了正负样本,其余的全部为忽略样本
比如drbox与gtbox的IOU最大为0.9,设置IOU小于0.2的为负样本。
那么有一个IOU为0.8的box,那么这个box就是忽略样本,有一个box的IOU为0.1,那么就是负样本;同样的drbox与gtbox的IOU最大为0.4,那么它也是正样本。
4.正anchor用于分类和回归的学习,正负anchor用于置信度confidence的学习,忽略样本不考虑。
YOLOv4正负样本定义
YOLOv4采用了不同于YOLOv3的multi anchor策略,即只要大于IoU阈值的anchor box,都统统视作正样本,换言之,那些原本在YOLOv3中会被忽略掉的样本,在YOLOv4中则统统成为了正样本,不难看出,YOLOv4的正样本会略微多于YOLOv3,对性能的提升也自然会有一些帮助。
GT需要利用max iou原则分配到不同的预测层yolo-head上去,然后在每个层上单独计算正负样本和忽略样本。不存在某个GT会分配到多个层进行预测的可能性,而是一