YOLOv3论文_yolov3 iou阈值

待解决区：

1、CNN正则化

2、CNN反向传播

3、除YOLOv3之外的目标检测算法

【精读AI论文】YOLO V3目标检测（附YOLOV3代码复现）_哔哩哔哩_bilibili

AP50的意思就是0.5IOU为阈值的mAP

 是sigmoid函数，把坐标限定在一个grid cell内。

yolo的创新其实就在于把目标检测任务变成回归任务，用回归任务的损失函数平方误差来训练模型。

yolov3改成了sigmoid做逻辑回归。

一种尺度3个anchor，一共三种尺度共9个anchor，与ground truth的IOU最大的anchor作为正样本，负责拟合。置信度标签从以前版本的IOU直接变成了1。

YOLOV1/V2中使用IOU作为置信度标签有何不好？

1、很多预测框与GT的IOU最高只有0.7（最好的学生只有70分）

2、coco中小目标IOU对像素偏移很敏感，无法有效学习。

 dimension prior就是anchor

以anchor为基准，加入偏移量，就得到了蓝色的预测框。

sigmoid函数的存在使得中心点限制在了某一个grid cell，但框不会。

正样本只用IOU最高的框,其他的IOU大于0.5的框都忽略,不产生损失函数。

正样本对分类和定位学习产生贡献。

IOU<0.5就是负样本，只对置信度学习产生贡献，且置信度标签为0.

多类别标注与分类：可能多个预测结果和标签都为1（即多个类别输出高概率），而不是求和为1.（互斥）。现在每一个类别都用二分类输出一个概率，0到1之间的独立的概率。

多尺度目标检测：3中不同尺度。受FPN论文的启发

 

 semantic information：深层抽象特化语义信息

finer-grained information：浅层细粒度像素结构信息。

仍然使用K-means聚类来生成9个框

 

Bn Ops是计算量(十亿次的浮点运算数)， BFLOP/s（每秒可进行的浮点运算量）

 

难例挖掘就是错题本。

yolov3在IOU阈值为0.5性能最好，但IOU阈值提高以后就不太行了，精准定位性能仍然较差。

性能指标：

 TP即：正确预测目标。

FP即：本来是个背景，但把它预测出来了。本来没有一只猫，但出现了预测一只猫的框。

FN即：框定位不错，但置信度太小。

TN即：本来是背景，也预测成背景。

 

 

没起作用的：

1、预测相对于初始anchor宽高倍数作为偏移量（类似RCNN和RPN）因为这样预测框会不受约束而乱窜，不像sigmoid函数能让预测框中心约束在某一个grid cell内，所以不稳定。

2、直接线性回归偏移量，不用sigmoid函数也不太行。

3、focal loss也不太行。

原因：focal loss解决单阶段目标检测正负样本不均衡，真正有用的负样本少的问题，相当于是某种程度的难例挖掘。而yolov3中负样本IOU阈值设置的过高（0.5）导致负样本中混入了疑似正样本label noise（就是把它当成错题）而focal loss又会给noise赋予更大权重（纠错），因此效果不好。

4、双IOU阈值Dual IOU thresholds。

原因：RetinaNet指出单阶段目标检测不缺正样本，而是缺高质量负样本。

讨论为什么mAP.5到.95不太行：

人是分不清0.3到0.5IOU有什么不一样的。人类对二维不敏感，而是对颜色、类别敏感。为什么要追求预测框和ground truth要那么完美的重合？

如果是大框的话，这个惩罚项就很小，如果是小框的话，这个惩罚项就很大。

 正样本pc越接近于1，则-log(pc)越接近于0，就越好

负样本的pc越接近于0，则-log(1-pc)越接近于0，就越好