YOLO v2的論文對(duì)loss的描述較少痢掠，因此許多細(xì)節(jié)值得我們深究驱犹。
首先，我們知道在YOLO v1中足画，對(duì)于訓(xùn)練圖片中的ground truth雄驹，若其中心點(diǎn)落在某個(gè)cell內(nèi)，那么該cell內(nèi)對(duì)應(yīng)的兩個(gè)預(yù)測(cè)框負(fù)責(zé)預(yù)測(cè)它淹辞。然后訓(xùn)練時(shí)医舆，圖片經(jīng)過網(wǎng)絡(luò)產(chǎn)生兩個(gè)預(yù)測(cè)框，我們只選擇與ground truth的IOU值最大的預(yù)測(cè)框負(fù)責(zé)預(yù)測(cè)目標(biāo)象缀。所以我們的預(yù)測(cè)框只有兩種——負(fù)責(zé)預(yù)測(cè)目標(biāo)和不預(yù)測(cè)目標(biāo)蔬将。
在YOLO v2中，有一些不同：
（1）對(duì)于訓(xùn)練圖片中的ground truth央星，和v1一樣若其中心點(diǎn)落在某個(gè)cell內(nèi)霞怀，那么該cell內(nèi)的5個(gè)先驗(yàn)框所對(duì)應(yīng)的邊界框負(fù)責(zé)預(yù)測(cè)它。和v1不同的是莉给，因?yàn)関2有了5個(gè)不同的先驗(yàn)框毙石，我們不再和網(wǎng)絡(luò)輸出的預(yù)測(cè)框計(jì)算IOU值，而是用先驗(yàn)框與ground truth計(jì)算IOU值颓遏，（計(jì)算IOU值時(shí)不考慮坐標(biāo)徐矩，只考慮形狀，所以先將先驗(yàn)框與ground truth的中心點(diǎn)都偏移到原點(diǎn)州泊，然后計(jì)算出對(duì)應(yīng)的IOU值）丧蘸，最大的先驗(yàn)框?qū)?yīng)的預(yù)測(cè)框ground truth匹配，而剩余的4個(gè)先驗(yàn)框?qū)?yīng)的預(yù)測(cè)框不與該ground truth匹配遥皂。
（2）然后應(yīng)該明確哪些預(yù)測(cè)框需要計(jì)算損失，v1只有兩種預(yù)測(cè)框刽漂，但是v2有三種演训。首先，對(duì)于網(wǎng)絡(luò)輸出的所有預(yù)測(cè)框贝咙，每個(gè)預(yù)測(cè)框都與各個(gè)ground truth計(jì)算IOU值样悟，在這些IOU值中取最大值就是Max IOU。然后根據(jù)Max IOU和是否匹配ground truth可以把預(yù)測(cè)框分為三類并計(jì)算損失庭猩。
1.如果某一個(gè)預(yù)測(cè)框的Max IOU小于0.6(說明它預(yù)測(cè)背景)且不匹配ground truth, 則這個(gè)預(yù)測(cè)框計(jì)算置信度損失窟她。
2.如果某一個(gè)預(yù)測(cè)框的Max IOU大于0.6，但是不和ground truth匹配蔼水，我們忽略其損失震糖。
3.如果某一個(gè)預(yù)測(cè)框匹配ground truth。那么我們就要對(duì)這個(gè)預(yù)測(cè)框計(jì)算坐標(biāo)趴腋、置信度和類別概率損失吊说。
關(guān)于第二點(diǎn)论咏，因?yàn)閥olov2的一個(gè)ground truth只對(duì)應(yīng)一個(gè)先驗(yàn)框,對(duì)于那些沒有與ground truth匹配的先驗(yàn)框（與預(yù)測(cè)框?qū)?yīng)），盡管Max_IOU高于閾值也要忽略颁井，不計(jì)算任何誤差厅贪。這點(diǎn)在yolov3論文中也有相關(guān)說明：yolov2中一個(gè)ground truth只會(huì)與一個(gè)先驗(yàn)框匹配（IOU值最好的），對(duì)于那些IOU值超過一定閾值的先驗(yàn)框雅宾，其預(yù)測(cè)結(jié)果就忽略了养涮。
這里我的理解是：因?yàn)橛?xùn)練時(shí)網(wǎng)絡(luò)輸出13×13×5個(gè)預(yù)測(cè)框，但只有幾個(gè)預(yù)測(cè)框需要預(yù)測(cè)眉抬，其他預(yù)測(cè)框都不進(jìn)行預(yù)測(cè)单寂，導(dǎo)致這些不預(yù)測(cè)物體的預(yù)測(cè)框的置信度損失偏大，即正負(fù)樣本不均衡吐辙。所以宣决，v2直接去掉那些預(yù)測(cè)結(jié)果較好（IOU>0.6）但不匹配ground truth的預(yù)測(cè)框，減少負(fù)樣本昏苏。SSD論文中有提到這個(gè)問題尊沸，SSD的處理方法是，將一個(gè)ground truth分配給多個(gè)先驗(yàn)框贤惯，并把它們作為正樣本洼专。對(duì)于不匹配ground truth的預(yù)測(cè)框，作為負(fù)樣本孵构，然后將這些輸出的預(yù)測(cè)框按置信度排序屁商，根據(jù)一定比例（1:3）選取置信度高的預(yù)測(cè)框，有效地解決正負(fù)樣本不平衡的問題颈墅。
（3）關(guān)于匹配ground truth的預(yù)測(cè)框的置信度誤差蜡镶。YOLO v2中有一個(gè)控制參數(shù)rescore，如果rescore取1恤筛，那么target取1官还，和yolo v1一樣。如果rescore取0毒坛，target取預(yù)測(cè)框與ground truth的IOU值望伦。
代碼：
if rescore_confidence:
objects_loss = (object_scale * detectors_mask *K.square(best_ious - pred_confidence))
else:
objects_loss = (object_scale * detectors_mask * K.square(1 - pred_confidence))
具體公式
其他
1.在計(jì)算box的坐標(biāo)誤差時(shí)，YOLOv1中采用的是平方根以降低boxes的大小對(duì)誤差的影響煎殷，而YOLOv2是直接計(jì)算屯伞，但是根據(jù)ground truth的大小對(duì)權(quán)重系數(shù)進(jìn)行修正:coord_scale * (2-truth.w*truth.h)，這樣對(duì)于尺度較小的box其權(quán)重會(huì)更大一些豪直，起到和YOLOv1計(jì)算平方根相似的效果劣摇。
2.最后一項(xiàng)之前的公式的第二項(xiàng)對(duì)應(yīng)，只在12800次迭代前加上顶伞，目的應(yīng)該是為了使預(yù)測(cè)框快速學(xué)習(xí)到先驗(yàn)框的形狀饵撑。
Reference：
https://blog.csdn.net/lwplwf/article/details/82895409
http://www.reibang.com/p/032b1eecb335
https://zhuanlan.zhihu.com/p/35325884
