Keras 版 YOLO v3 中的loss function 代码解读
参考：https://blog.csdn.net/summer_xialuo/article/details/82794076?utm_source=blogxgwz9
个人觉得，整个检测最重要的就是darknet网络与损失函数的设计。
def yolo_loss(args, anchors, num_classes, ignore_thresh=.5, print_loss=False):
#输入：
#args：是一个list 组合，包括了预测值和真实值，具体如下：
# args[:num_layers]--预测值yolo_outputs，
# args[num_layers:]--真实值y_true，
# yolo_outputs，y_true同样是list，分别是[y1,y2,y3]三个feature map 上的的预测结果,
# 每个y都是m*grid*grid*num_anchors*(num_classes+5),作者原文是三层，分别是(13,13,3,25)\
# (26,26,3,25),(52,52,3,25)
#anchors:输入预先选择好的anchors box，原文是9个box,三层feature map 各三个。
#num_classes：原文分了20类
#ignore_thresh=.5:如果一个default box与true box的IOU 小于ignore_thresh，
# 则作为负样本confidence 损失。
#print_loss：loss的打印开关。
#输出：一维张量。
#
'''Return yolo_loss tensor
Parameters
----------
yolo_outputs: list of tensor, the output of yolo_body or tiny_yolo_body
y_true: list of array, the output of preprocess_true_boxes
anchors: array, shape=(N, 2), wh
num_classes: integer
ignore_thresh: float, the iou threshold whether to ignore object confidence loss
Returns
-------
loss: tensor, shape=(1,)
'''
num_layers = len(anchors)//3 # default setting
#args即[*model_body.output, *y_true]
#model_body.output = [y1,y2,y3]即三个尺度的预测结果,每个y都是m*grid*grid*num_anchors*(num_classes+5)
#m = batch_size
yolo_outputs = args[:num_layers]
y_true = args[num_layers:]
anchor_mask = [[6,7,8], [3,4,5], [0,1,2]] if num_layers==3 else [[3,4,5], [1,2,3]]
input_shape = K.cast(K.shape(yolo_outputs[0])[1:3] * 32, K.dtype(y_true[0]))#得到(416*416)
grid_shapes = [K.cast(K.shape(yolo_outputs[l])[1:3], K.dtype(y_true[0])) for l in range(num_layers)]
#得到三个grid的大小
loss = 0
m = K.shape(yolo_outputs[0])[0] # batch size, tensor
mf = K.cast(m, K.dtype(yolo_outputs[0]))
for l in range(num_layers):
object_mask = y_true[l][..., 4:5]#置信率
true_class_probs = y_true[l][..., 5:]#分类
#将网络最后一层输出转化为BBOX的参数
#anchors[anchor_mask[l]]:anchors对应的某一个尺度的anchor
#例：最小尺度预测大物体：
'''
anchors[anchor_mask[0]]
[[116 90]
[156 198]
[373 326]]
'''
grid, raw_pred, pred_xy, pred_wh = yolo_head(yolo_outputs[l],
anchors[anchor_mask[l]], num_classes, input_shape, calc_loss=True)
pred_box = K.concatenate([pred_xy, pred_wh])#相对于gird的box参数(x,y,w,h)
# Darknet raw box to calculate loss.
#这是对x,y,w,b转换公式的反变换，转换的true_box
raw_true_xy = y_true[l][..., :2]*grid_shapes[l][::-1] - grid#保存时其实保存的是5个数(:2)就是x,y
raw_true_wh = K.log(y_true[l][..., 2:4] / anchors[anchor_mask[l]] * input_shape[::-1])
#这部操作是避免出现log(0) = 负无穷，故当object_mask置信率接近0是返回全0结果
#K.switch(条件函数，返回值1，返回值2)其中1,2要等shape
raw_true_wh = K.switch(object_mask, raw_true_wh, K.zeros_like(raw_true_wh)) # avoid log(0)=-inf
box_loss_scale = 2 - y_true[l][...,2:3]*y_true[l][...,3:4]#这应该是个什么面积
# Find ignore mask, iterate over each of batch.
#tf.TensorArray--相当于建立一个动态数组，size=1,是二维动态数组。
ignore_mask = tf.TensorArray(K.dtype(y_true[0]), size=1, dynamic_size=True)
object_mask_bool = K.cast(object_mask, 'bool')#将真实标定的数据置信率转换为T or F的掩膜
def loop_body(b, ignore_mask):
#object_mask_bool(b,13,13,3,4)--五维数组，第b张图的第l层feature map.
#true_box将第b图第i层feature map,有目标窗口的坐标位置取出来。true_box[x,y,w,h],
true_box = tf.boolean_mask(y_true[l][b,...,0:4], object_mask_bool[b,...,0])#b是第几张图，将置信率为0的其他参数清
iou = box_iou(pred_box[b], true_box)#单张图片单个尺度算iou，即该层所有预测窗口
#pred_box(13,13,3,4)与真实窗口true_box(设有j个)之间的IOU，输出为iou(13,13,3,j)
best_iou = K.max(iou, axis=-1)#先取每个grid上多个anchor box上的最大的iou
#best_iou(13,13,3)值是最大的iou
ignore_mask = ignore_mask.write(b, K.cast(best_iou注意，这里的负样本选择，
1、不同Faster RCNN，设计了threashold 为0.3，以控制正负样本的比例。
2、也不同于SSD中用top k来控制负样本数量。
原文中，作者也尝试了像Faster RCNN一样，设计了0~0.3作为负样本，0.7~1.0作为正样本，但效果不好。
对此，不是很理解。