YOLOv3/v5/v4/x中正负样本的定义

YOLOv3正负样本定义

1.每一个目标都只有一个正样本，max-iou matching策略，匹配规则为IOU最大（没有阈值），选取出来的即为正样本；
2.IOU<0.2（人为设定阈值）的作为负样本；
3.除了正负样本，其余的全部为忽略样本
比如drbox与gtbox的IOU最大为0.9，设置IOU小于0.2的为负样本。
那么有一个IOU为0.8的box，那么这个box就是忽略样本，有一个box的IOU为0.1，那么就是负样本；同样的drbox与gtbox的IOU最大为0.4，那么它也是正样本。
4.正anchor用于分类和回归的学习，正负anchor用于置信度confidence的学习，忽略样本不考虑。

YOLOv4正负样本定义

YOLOv4采用了不同于YOLOv3的multi anchor策略，即只要大于IoU阈值的anchor box，都统统视作正样本，换言之，那些原本在YOLOv3中会被忽略掉的样本，在YOLOv4中则统统成为了正样本，不难看出，YOLOv4的正样本会略微多于YOLOv3，对性能的提升也自然会有一些帮助。

GT需要利用max iou原则分配到不同的预测层yolo-head上去，然后在每个层上单独计算正负样本和忽略样本。不存在某个GT会分配到多个层进行预测的可能性，而是一定是某一层负责的。

YOLOv5正负样本定义

1 yolov5输出有３个预测分支，每个分支的每个网格有３个anchor与之对应
采用。
2 没有采用IOU最大的匹配方法，而是通过计算该boundingbox和当前层的anchor的宽高比，如果最大比例大于4（设定阈值），则比例过大，则说明