YOLOv3原理講解之論文中的關(guān)鍵點解讀

(1) mAP：mean average precision，每個類別各自的AP求和之后的平均值
VOC2010官方給出了如何計算mAP：
1). Compute a version of the measured precision/recall curve with precision monotonically decreasing, by setting the precision for recall r to the maximum precision obtained for any recall r′ ≥ r.
2). Compute the AP as the area under this curve by numerical integration. No approximation is involved since the curve is piecewise constant.
翻譯：
1). 計算PR曲線林螃，precision的取值為任意recall(r')大于或等于某個recall(r)對應(yīng)的precision最大值；
2). PR曲線的積分面積就是要計算的AP。

(2) Grid cell：用網(wǎng)格劃分圖片，也是一種先驗知識，即如果一個物體的中心落在某個cell中娩梨，那么這個cell就負(fù)責(zé)檢測該物體。也就是說每個cell要預(yù)測B個bounding box及其對應(yīng)的物體置信度和C個類別概率览徒。假設(shè)有 $N*N$ 個cell，那么共有 $N*N*(B*(4+1+C))$ 個輸出颂龙。4是4個坐標(biāo)（bounding box的左上角x习蓬，y，和bounding box的高措嵌，寬）躲叼，1是物體置信度（cell是否包含物體中心）。
在YOLOv1中企巢，網(wǎng)格劃分為 $7*7$ 枫慷；在YOLOv2中，網(wǎng)格劃分為 $13*13$ 浪规；在YOLOv3中或听，網(wǎng)格劃分為 $13*13$ ， $26*26$ 笋婿， $52*52$ 誉裆。輸入圖片的尺寸為 $416*416*3$ ，那么對應(yīng)的就是32倍缸濒，16倍足丢，8倍下采樣，分別可以預(yù)測大庇配，中斩跌，小目標(biāo)物體。

(3) Bounding box的坐標(biāo)預(yù)測：方法還是沿用了YOLOv2捞慌，如下：
$b_x=\sigma(t_x)+c_x$
$b_y=\sigma(t_y)+c_y$
$b_w=p_we^{t_w}$
$b_h=p_he^{t_h}$

網(wǎng)絡(luò)對每個bounding box的四個坐標(biāo)進行預(yù)測(t_x, t_y, t_w, t_h)耀鸦，再根據(jù)物體中心所在grid cell的左上角坐標(biāo)(c_x, c_y)以及bounding box的先驗寬和高(p_w, p_h)修正。這里再補充說明一下bounding box的先驗啸澡，其實就是anchor box揭糕。大家想一想，我們的bounding box要擬合的對象就明白作者指的先驗就是anchor box了锻霎。
這里有兩個trick：
a. sigmoid函數(shù)著角，將t_x和t_y轉(zhuǎn)換后限制到[0, 1]范圍內(nèi)，這樣b_x和b_y的值自然也就還是在當(dāng)前這個grid cell旋恼，不會跳到旁邊的cell中造成矛盾吏口；
b. exp(t_?) 奄容，我比較同意參考1博主的觀點：主要是為了求導(dǎo)的計算。如果選擇類似p_?*t_?的方式产徊，可能后期會造成梯度消失或梯度不再更新昂勒。指數(shù)函數(shù)就不會出現(xiàn)這個問題，而且exp的導(dǎo)數(shù)是它自己舟铜，實在是我們的最佳選擇戈盈。指數(shù)函數(shù)還有個優(yōu)點就是它的值大于0，這樣我們就不用去要求預(yù)測的w和h要大于0谆刨。帶不等式約束的優(yōu)化問題塘娶，不能直接用SGD，還要用拉格朗日痊夭，個人認(rèn)為對深度學(xué)習(xí)不友好刁岸。

來看看原論文的示意圖，更加直觀：

bounding box帶尺寸先驗的坐標(biāo)預(yù)測

論文中提到訓(xùn)練過程中的一個trick：在數(shù)值預(yù)測中的損失函數(shù)梯度肯定是真實值減去預(yù)測值t_gt-t_pred她我。但是標(biāo)注并沒有t_gt虹曙，我們可以通過計算b_gt和t_gt的反函數(shù)，也就是用t_gt與t_pred來計算誤差番舆。
參考[1]提到我們可以不計算sigmoid的反函數(shù)酝碳，而是直接用sigmoid計算誤差，即：

\sigma

(t_gt)=b_gt-c_gt恨狈。

(4) a. 論文提到的objectness score击敌，是用來判斷bounding box是否包含物體中心。也就是在測試的時候所說某個bounding box包含物體中心的置信度拴事。這里沿用YOLOv1的損失函數(shù) $\lambda_{noobj}\sum_{i=0}^{s^2}\sum_{j=0}^{B}1_{ij}^{noobj}(c_i-\hat{c_i})^2+\lambda_{obj}\sum_{i=0}^{s^2}\sum_{j=0}^{B}1_{ij}^{obj}(c_i-\hat{c_i})^2$
b. YOLOv3相較于YOLOv2還有一個大的改變就是每個bounding box可以預(yù)測多個類別沃斤，就是說一個box內(nèi)如果存在多個類別，也是可以識別出來的刃宵。作者僅僅使用了多個獨立的邏輯回歸來進行類別分析衡瓶。這么做的原因，作者在后面也說是因為某些數(shù)據(jù)本身就含有多標(biāo)簽牲证，比如woman和person哮针。如果使用softmax，那么就會認(rèn)為所有的類別是互斥的坦袍，結(jié)果上就會造成一個bounding box只能識別一個物體十厢。

好了，這是目前我想到的YOLOv3論文中的一些關(guān)鍵點的理解捂齐，如果大家還有什么疑惑蛮放，請給我留言。
接下來奠宜，我會一步一步搭建并解釋YOLOv3的pytorch代碼包颁，敬請期待瞻想！

參考：
[1]https://blog.csdn.net/weixin_43384257/article/details/100974776?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.add_param_isCf&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.add_param_isCf