飞桨 7日目标检测第4日 学习笔记

输出部分yolo v3输出了3个不同尺度的feature map，如上图所示的y1, y2, y3，该做法借鉴了FPN(feature pyramid networks)，采用多尺度来对不同size的目标进行检测：
对于COCO类别而言，有80个种类，所以每个box应该对每个种类都输出一个概率，YOLOv3设定的是每个网格单元预测3个box，所以每个box需要有(x, y, w, h, confidence)五个基本参数，然后还要有80个类别的概率。所以3 * (5 + 80) = 255 这个255是指通道数。

第八页PPT中提到的kmeans聚类anchor：是把所有真实框的数据由kmeans算法聚类得到9类锚框（anchor）

参考https://blog.csdn.net/qq_34199326/article/details/84109828?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param里给出的解释：

 这里解释一下anchor box，YOLO3为每种FPN预测特征图（13*13,26*26,52*52）设定3种anchor box，总共聚类出9种尺寸的anchor box。在COCO数据集这9个anchor box是：(10x13)，(16x30)，(33x23)，(30x61)，(62x45)，(59x119)，(116x90)，(156x198)，(373x326)。分配上，在最小的13*13特征图上由于其感受野最大故应用最大的anchor box (116x90)，(156x198)，(373x326)，（这几个坐标是针对416*416下的，当然要除以32把尺度缩放到13*13下），适合检测较大的目标。中等的26*26特征图上由于其具有中等感受野故应用中等的anchor box (30x61)，(62x45)，(59x119)，适合检测中等大小的目标。较大的52*52特征图上由于其具有较小的感受野故应用最小的anchor box(10x13)，(16x30)，(33x23)，适合检测较小的目标。同Faster-Rcnn一样，特征图的每个像素（即每个grid）都会有对应的三个anchor box，如13*13特征图的每个grid都有三个anchor box (116x90)，(156x198)，(373x326)（这几个坐标需除以32缩放尺寸）

下图解释了anchor与真实框的匹配方法，老师课上讲了，但是我没记住...：

 上面这个网络结构图画的挺好，留着了~

 为什么要有三个输出分支？因为要得到3个不同尺度的特征输出。

置信度：就是有多大概率，是预测的这个类。

先验框（锚框）是由所有真实框的数据通过kmeans算法聚类得到的。先验框的作用是：方便得到好的预测框。

网格是对输入图像进行卷积池化后得到的特征输出上的东西，每个网格上都有锚框，每个锚框对应一个预测框（网格数*锚框数=预测框数）

 

 

 

 上图中展示了NMS的作用，就是为了把不好的框都丢掉，只保留最好的框。

如果两个真实框落在同一个网格上，还匹配了同一个锚框，就不计算该损失，因为如果丢弃的话可能会造成不好的影响，反倒是放任它不管，就不会造成什么影响。 

上图为用到的损失函数。

1中的one-hot是指概率最大的那个类别。

 

https://blog.csdn.net/qq_36790747/article/details/108756132这是别人的第三日课的笔记，写的不错，我保存了~ 

那篇博客里面介绍了单阶段和双阶段检测，anchor的含义与作用，RoI Pooling 文章的后半部分解释了yml配置文件中的一些设置，感觉写的挺准确。

单阶段检测模型：YOLO, SSD, Retina-Net

 两阶段检测模型：RCNN, SPPNet

 

百度飞桨7日目标检测课程：https://aistudio.baidu.com/aistudio/course/introduce/1617