YOLOv3 SPP理论

三个trick

1. Mosaic图像增强

方法：多张图像拼接

优：增加数据的多样性，增加目标个数，变相的增加了BatchSize,使BN能一次性统计更多的图片参数

2. SPP(Spatial Pyramid Pooling)模块

步距为1，池化之前会进行填充，池化后特征的大小和深度完全一致

3. IoU Loss

3.1 L2损失和IoU损失 

 在此种情况下L2损失不能够很好的反应候选框的好坏

还有一种常见的IoU损失计算：IoU Loss = 1 - IoU

3.2 IoU Loss的优点：能够很好反应重合程度，具有尺度不变性

缺点：不相交时loss为0

4. GIoU Loss

绿色框为GT，红色为预测框，蓝色框为红绿框的最小外边界框（Ac），

-1 <= GIoU <= 1,等于1时两框完全重合，等于-1时两框没有任何重叠 

 

 特殊情况：

 

5. DIoU Loss（Distance-IoU）和CLoU Loss(Complete-IoU)

5.1 DIoU Loss

解决IoU Loss和GIoU Loss收敛慢，回归不准确的问题 

c代表覆盖GT框和预测框的最小框的对角线距离，d表示两个框中心点间的距离

-1 <= DIoU <= 1

当GT框和预测框完全重叠时DIoU为1，当两框距离无穷远时DIoU为-1

 

5.2 CIoU Loss

引入了长宽比

 6. Focal Loss

Focal Loss主要用于单阶段的目标检测模型

 解决问题：正负样本不平衡

对于易分的样本，我们减少它的学习权重（通过减少其损失值），而把学习的注意放在难学习的样本上，即那些预测概率与真实标签相差很远的样本。

一张图片中的正样本大概只有十几个或几十个，而负样本有10^4-10^5个，大量的负样本会淹没少量但有助于训练的样本。

但是易受噪音干扰，一旦数据标注出错，Focal Loss会对这些错误标注疯狂学习。

在双阶段目标检测中，比如Fast-RCNN，最终生成的候选框只有2k个，情况相对好很多。

6.1 引入αt平衡正负样本的数量

当为正样本时，乘αt，当为负样本时，乘(1-αt)，实验证明，α取0.75时，AP，AP75是最高的，α取50时AP50是最高的

虽然引入α可以平衡正负样本，但不能区分哪些样本是容易的，那些样本是困难的。

6.2 引入 来降低易分样本的损失贡献

 

 6.3 最终Focal Loss的表达式

根据实验得出γ=2.0，α=0.25时AP最高