YOLO系列：YOLO V3模型讲解

YOLO系列：YOLO V3模型讲解

• 论文标题：YOLO V3：An Incremental Improvement （CVPR 2018）
• 效果(COCO 数据集)：
  

1. 模型结构：(DarkNet-53有53个卷积层)
   
   使用卷积层代替了最大池化下采样层，DarkNet-53卷积核的个数比ResNet也少很多。
   效果对比：
   
   DarkNet 53检测效果和ResNet152基本持平，但检测速度慢了两倍。

• 使用K-means 聚类算法得到了先验框的尺度，文章选择了9个聚类，3个尺度，也就是在每个预测特征图上会预测三种尺度的先验框。每个预测特征图上会有$N\times N\times [3?(4+1+80)]$ (N表示特征图大小，80表示COCO数据集中的80个类别的分数信息，4表示坐标($t_x$,$t_y$,$t_w$,$t_h$), 1表示置信度。)

• Bounding box计算：
  
• 正负样本匹配：每个groundtruth 都分配一个bounding box prior，分配原则-将与gt重合最大的作为正样本，如果不是最大但是大于某个值，则丢弃这些预测框（文章设置阈值为0.5）,剩下的样本为负样本。如果一个bounding box prior不是正样本那么就不再计算它的定位 损失和类别损失，仅计算confidence score。
• 损失计算：（置信度损失+分类损失+定位损失）
  $$L(o,c,O,C,l,g)={\lambda }_1{L}_{conf}(o,c)+{\lambda }_2{L}_{cla}(O,C)+{\lambda }_3{L}_{loc}(l,g)$$
  ${\lambda }_1$, ${\lambda }_2$,${\lambda }_3$为平衡系数。

置信度损失：

$$L_{conf}(o,c)=\frac{{\sum }_i(o_{i}ln(\widehat{c_i})+(1?o_i)ln(1?\widehat{c_i}))}{N}$$
$$\widehat{c_i}=sigmoid(c_i)$$
其中$o_i\in [0,1]$， 表示预测目标边界框与真实边界框的$IOU$，$c$为预测值，$\widehat{c_i}$为$c$通过$sigmoid$函数得到的预测置信度，N为正负样本个数。

类别损失：

$$L_{cla}(O,C)=?\frac{\sum _{i\in pos}\sum _{j\in cla}(O_{ij}ln(\widehat{C_{ij}})+(1?O_{ij})ln(1?\widehat{C_{ij}}))}{N_{pos}}$$
$$\widehat{C_{ij}}=Sigmoid(C_{ij})$$
其中$O_{ij}\in$ {0,1}，表示预测预测目标边界框$i$中是否存在第$j$类目标，$C_{ij}$为预测值，$\widehat{C_{ij}}$为$C_{ij}$通过$Sigmoid$函数得到的目标概率，$N_{pos}$为正样本个数。

定位损失：
训练期间使用差值平方计算方式：