YOLOV3学习笔记（噼里啪啦up主）

YOLOV3学习笔记（噼里啪啦up主）

YOLOV3上面的IOU LOSS是错误的，因为在两个候选框和目标框围成的面积相同时，YOLOV3并没有告诉网络应该选哪个候选框。

2.

在YOLOV3中判断候选框是否有目标物体，confidence是重要指标，而在YOLOV3中confidence大小，是通过IOU loss 判断的。

YOLOV3上IOU LOSS 计算方式如下图所示：

2.1是对YOLOV3中的iou loss计算的第一次改进

2.2
GIOU LOSS 的不足的地方

2.3由于GIOU LOSS也存在不足，所有又进行了改进，DIUO LOSS ，这个损害函数计算方法，解决了YOLOV3本身的IOU loss 的不足，也解决了GIOU LOSS的不足，

2.4
但是Diou LOSS 依然不是最完美的，因为它还有不足，状态2更好，因为状态2框的形状和目标框的形状更接近。所以提出了最终的CIUO LOSS

2.5

2.6在做NMS时使用的是DIOU LOSS

后面4个数据是目标边界框的相对位置

图片的路径

6.

7.

9.

10.

freeze-layers 设置成True就只会训练下面这些，其他的权重会被冻结

freeze-layers 设置成fALSE就只会冻结Darknet53这个网络，其他权重会得到训练。

如果要想得到好的效果，可以把frezee_layer 设置为True，让它训练最后3个分类层，然后把freeze_layer设置成Flase，让它训练除Darknet的其他权重。

12.
多GPU并行指令。

13.

14.

15.

平衡正负样本，但是由于cls_pw和obj_pw都是取值为1，所以在这来是没有用的

16.

25是每个候候选框的预测信息

5个值加20个类别= 25

这里面会保存，训练过程中产生的一系列文件。

18.会生成一系列的COCO数据集的评判标准。

19.查看训练过程中生成的图像

21.对最后的损失求平均的操作。

22.默认都没有去使用

25、