YOLOV3网络

---

一、YOLOV3网络结构

1.1 边界框的预测

网络使用维度集群作为锚点盒来预测边界框。网络预测每个边界框的4个坐标tx, ty, tw, th，具有维度先验和位置预测的边界框如图3.4所示，如果单元格与图像左上角偏移(cx, cy)，且边界框先验具有宽度和高度pw, ph，则预测结果为：

在训练过程中，使用了误差损失平方和。如果某坐标预测的参考标准是，则梯度是参考标准值减去预测值：。这个参考标准值可以很容易地通过上述转换方程来计算。

网络使用逻辑回归预测每个边界框的对象得分。如果边界框先验与参考标准对象的重叠比任何其它边界框先验都多，那么这个值应该是1；如果边界框优先级不是最好的，但是与参考标准对象重叠超过某个阈值就忽略预测。本文使用的阈值是5，该网络仅为每个参考标准对象预先分配一个边界框。如果一个边界框先验没有分配给一个参考标准对象，它不会导致坐标或类预测的损失，而仅仅是一个对象。

1.2 分类预测

输入的图像被网络划分为S×S的网格，每个网络预测是否有物体的中心落入其内部。若某网格预测为是，则该网格再预测出B个检测边界框以及每个框的置信度（Confidence）。其中，置信度反映了检测边界框对其检测出物体的自信程度。计算公式为：

式中，Pr(Object)为边界框包含目标物体的概率；BBgt为基于训练标签的参考标准框（Uround Truth Box）；BBdt为检测边界框；area(·)表示面积。每个框使用多标签分类来预测边界框可能包含的类。网络没有使用softmax，因为它对于良好的性能是不必要的，而是简单地使用独立的逻辑分类器。在训练过程中，使用二元交叉熵损失进行分类预测。

1.3 跨尺度预测

网络采用了三种不同尺度的预测边框，该网络提取特征来源使用了与特征金字塔网络[43]相似的概念，从基本特征提取器中添加了几个卷积层。最后预测了一个三维张量，包括编码边界框、目标和分类预测。

二、算法使用步骤

采用深度预警网络对高速行驶的侧后方车辆进行检测，其算法过程如下：
第一步：离线数据集的获取和网络的训练
基于本章所述的数据集制作过程进行数据集的制作，建立好深度预警网，在完整的图像上进行训练，使用多尺度的训练，大量的数据扩充，批处理标准化，使用Keras深度学习框架来训练和测试。在训练过程中，使用二元交叉熵损失进行分类预测。损失函数由坐标误差、IOU误差以及分类误差三部分组成，如公式 (3.11)。

最后通过前向传播和反向传播算法确定神经元之间的传递权值。
第二步：算法在线实时检测
通过第一步训练好的深度预警网络就可以实现高速环境下car、turck、bus不同车型的检测，深度预警网络算法流程如图3.7所示，该网络主要由卷积、残差块、上采样、连接块等操作完成，具体的操作流程和结构在第二章和本章3.1节已经进行了详细的介绍。算法的实质是：首先通过特征提取网络对输入416×416×3的图像进行提取特征，得到S×S大小的特征图，然后将输入图像分成S×S个网格单元，接着如果ground truth中某个检测目标的中心坐标落在某个网格单元中，那么就由该网格单元来预测该目标，因为每个网格单元都会预测3个边界框，这几个边界框中只有和ground truth的IOU最大的边界框才是用来预测该目标的。预测得到的输出特征图有两个维度是提取到的特征的维度，比如S×S，还有一个维度是B×(5+C)的深度，从而实现对高速驾驶环境下的目标车辆进行检测。

三、损失函数

我们都知道V3是经过V2,V1迭代而来的，接下来就分别介绍一下各个损失函数。

3.1 V1 loss 计算

3.2 V2 loss 计算

V2在v1基础上改动了关于bbox的w和h的损失计算方式 即从：

3.3 V3 loss 计算

3.3.1 V3 loss 计算

3.3.2 V3 loss 计算

3.3.2 V3 loss 计算