YOLO-V3深度阅读笔记

最新推荐文章于 2025-06-15 13:56:53 发布

原创

最新推荐文章于 2025-06-15 13:56:53 发布 · 1.5k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO-V3 #阅读笔记

本文详细探讨了YOLO-V3的损失函数，包括坐标损失、分类损失和对象存在性损失。介绍了YOLO-V3中默认框与真实目标的匹配策略，以及多尺度预测的方法。此外，还分析了为何采用线性激活预测偏移量，并指出Focal Loss在此处并不适用。最后，作者质疑了现有的MAP评估指标，认为应当关注检测器在一张图片中找到并正确分类物体的能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

损失函数

coordinate loss
class predictions loss
使用多标签分类损失。（使用 binary cross-entropy loss）
objectness loss

默认框和真实目标的匹配策略

与真实目标重叠度最大的默认框为正样本。
与真实目标重叠度大于阈值的默认框为正样本。（Faster RCNN中阈值为0.7，YOLO-V3阈值为0.5）。
每一个真实目标只会指定与一个默认框匹配，其余的框只会有objectness loss（即是否存在物体的损失）

多尺度预测

在三种不同的尺度上进行预测。

评价指标

使用MAP0.5时，yolov3和其他方法差异不大。按照COCO那样的标准，明显的差异就出来了。作者认为从肉眼观察角度上讲，0.5和0.3的重叠差异不大，反对COCO那种评价标准。

尝试了其他策略，发现没效果

采取普通的锚框预测机制，预测锚框相对于真实框中心位置的偏移量（以真实框的w和h，预测值为w和h值的倍数），采取线性激活的方式。w = prediction[..., 2]，预测的pred_w和pred_h，w和h的倍数，不过是取了对数后的。pred_boxes[..., 2] = torch.exp(w.data) * anchor_w pred_boxes[..., 3] = torch.exp(h.data) * anchor_h
采取线性激活的方式来预测x,y的偏移量，而不是逻辑回归激活函数。
Focal loss没效果，yolov3将目标存在得分预测和类别预测分开了。（正负样本失衡会得到减轻）。