YOLOV3的三个门限值解释以及yolov3详解
YOLOV3
关于yolov3必须了解的三个门限值
ignore_iou_thresh:【IOU门限】标记与真实框有交集的锚框的objectness（框内是否有物体）为1还是-1的分界线
yolov3是对生成的每个锚框进行标记
标记与真实框IOU最大的锚框objectness=1【只有该锚框对应的预测框才参与损失函数计算和类别预测】
标记与真实框的非最大但IOU大于等于ignore_iou_thresh的锚框的objectness=-1表示是真实框对应的锚框（锚框包含真实目标），但其对应的预测框不负责损失函数计算和类别预测
其他锚框统一标记objectness=0表示锚框不包含真实目标【俗称负样本/背景】，其对应的预测框不负责损失函数计算和类别预测
objectness!=0锚框对应的目标称为正样本（前景）
score_thresh：[置信度门限]：表示进行预测时被保留的预测框应该达到的置信度门限值
注：yolov3的置信度（score）与其他two-stage检测器不同，yolov3置信度表示对于此预测框有多大把握此框内包含物体且分类正确，而two-stage检测器只表示有多大把握分类正确
YOLOV3类别置信度 = 条件类别概率 * 置信度
nms_iou_thresh:[IOU门限]进行nms筛选预测框，去掉预测同一物体重复框的阈值
在进行nms时，会先对同类的预测框按score从大到小排序然后筛选该类所有物体的真实框，但是如何知道预测框是预测同一物体还是不同物体呢？具体方法是对于每个真实物体先挑选score最高的作为自身的最终预测框，而对于那些与最终预测框的IOU>=nms_iou_thresh则会当作预测该物体的重复框（对同一物体重复预测），然后被排除
生成锚框与预测框
锚框：yolov3产生锚框的方式不同于two_stage检测器的随机生成锚框的方式，而是将一张图片划分成m*n个小方格，每个小方格生成k个（默认k=3）以每个小方格的中心为中心的不同大小的锚框【k个锚框就是k种大小】
预测框： 每个锚框对应一个预测框，但是只有objectness=1的锚框对应的预测框计入损失函数和进行分类判别
对于一张图片会生成 m ∗ n ∗ k m*n*k m∗n∗k个锚框/预测框，其中objectness=1的锚框数等于真实框的个数
如何由锚框（xywh格式）生成预测框
预测框相当于锚框的一个微调量，设预测框相对于锚框的微调量表示为 ( t x , t y , t w , t h ) (t_x,t_y,t_w,t_h) (tx,ty,tw,th)
1.求出锚框的中心坐标 （ c x , c y ） （c_x,c_y） （cx,cy），在此锚框中心的基础偏移一定量得到预测框中心 ( b x , b y ) (b_x,b_y) (bx,by)
2.利用预设定好的锚框大小 （ p w , p h ） （p_w,p_h） （pw,ph）求出预测框的大小 ( b h , b w ) (b_h,b_w) (bh,bw)
如何学习定位（回归任务）：
目标： 预测框的坐标与真实框的坐标一样
如何表示真实框： 把上述预测框当作真实框 ( g t x ∗ , g t y ∗ , g t w ∗ , g t h ∗ ) (gt^*_x,gt^*_y,gt^*_w,gt^*_h) (gtx∗,gty∗,gtw∗,gth∗)，反解出真实框对于锚框的微调量 ( t x ∗ , t y ∗ , t w ∗ , t h ∗ ) (t^*_x,t^*_y,t^*_w,t^*_h) (tx∗,ty∗,tw∗,th∗)
而定位准确的目标，就是以预测微调量 ( t x , t y , t w , t h ) (t_x,t_y,t_w,t_h) (tx,ty,tw,th)与真实微调量 ( t x ∗ , t y ∗ , t w ∗ , t h ∗ ) (t^*_x,t^*_y,t^*_w,t^*_h) (tx∗,ty∗,tw∗,th∗)之间的差距缩小为目标进行回归任务
在实际任务中由于sigmoid函数的反函数不好求解，输出的预测变量为 ( σ ( t x ) , σ ( t y ) , σ ( t w ) , σ ( t h ) ) (\sigma (t_x),\sigma (t_y),\sigma (t_w),\sigma (t_h)) (σ(tx),σ(ty),σ(tw),σ(th)),目标变为 ( d x ∗ , d y ∗ , d w ∗ , d h ∗ ) (d^*_x,d^*_y,d^*_w,d^*_h) (dx∗,dy∗,dw∗,dh∗)
对锚框进行标记，确定负责预测真实物体的锚框
此部分可参考 ignore_iou_thresh的讲解
负责预测真实物体的锚框数（预测框数）等于真实物体数
YOLOV3的网络
1.YOLOV3的基础网络
YOLOV3网络用的Darknet（原版是53层训练在Imagenet的网络）。YOLOV3对YOLOV2的darknet进行改进，加入多尺度，残差块，跳跃连接以及上采样的功能。YOLO v3整体是一个106层的全卷积网络，包括了残差模块，上采样模块，检测模块。关于106层的全结构，[请参考这篇文章]
(https://blog.csdn.net/dpengwang/article/details/85839652)
2.传给检测模块的输入
在具体讲解网络之前，有一个问题要解决，就是传入检测模块的输入。设每个格子对应B个锚框（Bounding box），每个锚框对于一个预测框，每个预测框有三个属性坐标位置微调量，框内是否包含物体，类别，对于coco数据集（类别80类）来说，对于每个格子三个锚框的设置，则一个格子的属性维度为BX(5+C)=3X(5+80)=255维.
这255维对于网络来说就是255个通道，然后每个通道的特征图大小（mm）对应原图划分为mm格子（即每个特征图的像素点对应原图的一个格子）
3.三种尺度的检测网络
以416*416的输入图像，3个锚框，coco8类（即每个格子255维属性）为例，
尺度1: yolov3提取第81层 的网络输出做为第一个尺度的检测网络的输入，81层 网络采用1x1的kernel得到检测特征层（82层）（13x13x255），整个下采样的步长为32（416/32=13）
尺度2: 第79层 的网络输出经过几个卷积操作，然后进行2X的上采样特征图至26x26的大小，上采样的特征图和第61层的特征图进行通道拼接操作，再进行几个卷积操作得到93层，93层 网络采用1x1的kernel得到检测特征层（94层）（26x26x255），整个下采样的步长为16（416/16=26）
尺度3: 第91层 的网络输出经过几个卷积操作，然后进行2X的上采样特征图至52x52的大小，上采样的特征图和第36层的特征图进行通道拼接操作，再进行几个卷积操作得到105层，105层 网络采用1x1的kernel得到检测特征层（106层）（52x52x255），整个下采样的步长为52（416/8=52）
尺度1用于检测大目标，尺度2用于检测中目标，尺度3用于检测小目标
YOLOV3的损失函数
YOLO v3相对于YOLOv2损失函数的改进：
1.类别没有用softmax，而是用logistic regression对每个类别都进行二分类
2.框内是否包含物体的置信度的预测，改为用logistic regression预测进行输出
3.去掉v2的 λ c o o r d 和 λ n o o b j \lambda_{coord}和\lambda_{noobj} λcoord和λnoobj参数
注意此处总的loss为三个scale的总loss的之和
YOLOV3的预测方法
其实此预测方法并非yolov3专属，是当前目标检测通用的方法——非极大值抑制NMS
NMS的步骤
1.设定score_thresh,nms_iou_thresh
2.对每个类别分别从高到低的对每个预测框的score排序，过滤score
4.所有类别重复步骤3即完成预测
注意此处得到的所有预测框来自三个scale的预测框的总和
本文参考
paddle_yolov3
什么是yolov3