YOLO-V3深度閱讀筆記

損失函數

1. coordinate loss
2. class predictions loss
   使用多標籤分類損失。（使用 binary cross-entropy loss）
3. objectness loss

默認框和真實目標的匹配策略

1. 與真實目標重疊度最大的默認框爲正樣本。
2. 與真實目標重疊度大於閾值的默認框爲正樣本。（Faster RCNN中閾值爲0.7，YOLO-V3閾值爲0.5）。
3. 每一個真實目標只會指定與一個默認框匹配，其餘的框只會有objectness loss（即是否存在物體的損失）

多尺度預測

1. 在三種不同的尺度上進行預測。

評價指標

1. 使用MAP0.5時，yolov3和其他方法差異不大。按照COCO那樣的標準，明顯的差異就出來了。作者認爲從肉眼觀察角度上講，0.5和0.3的重疊差異不大，反對COCO那種評價標準。

嘗試了其他策略，發現沒效果

1. 採取普通的錨框預測機制，預測錨框相對於真實框中心位置的偏移量（以真實框的w和h，預測值爲w和h值的倍數），採取線性激活的方式。w = prediction[..., 2]，預測的pred_w和pred_h，w和h的倍數，不過是取了對數後的。pred_boxes[..., 2] = torch.exp(w.data) * anchor_w pred_boxes[..., 3] = torch.exp(h.data) * anchor_h
2. 採取線性激活的方式來預測x,y的偏移量，而不是邏輯迴歸激活函數。
3. Focal loss沒效果，yolov3將目標存在得分預測和類別預測分開了。（正負樣本失衡會得到減輕）。
4. 同Faster RCNN一樣，採取兩個閾值。

作者對COCO數據的認識

1. MAP指標不恰當。PASCAL VOC數據將閾值設爲0.5，這也是爲了適應實際標註過程中存在不確定性這一情況。
   2.COCO數據更精確，還有語義分割的標籤。COCO的評價指標更強調框的準確性，降低了對分類準確性的重視。但作者認爲錯誤的分類比預測框存在很小的偏移更嚴重。
2. MAP指標已經被玩壞了，因爲其唯一在意的是每一類的結果框排序。（如果某個物體有一個預測正確的框，即使這個物體還沒預測爲其他類別，而且重合度很高，最終在MAP指標上也不會造成影響）
   
   上圖中，上下兩個檢測器預測結果視覺上看起來差別很大，很明顯上一個預測結果更好，但是在MAP指標上，兩個檢測器的效果是差不多的。
   作者認爲現有的MAP檢測指標與人們關心的內容差異很大，新的指標應該關注這些差異。

檢測任務人們關心的核心
重點：給定一張圖片和檢測器，檢測器在一張圖片中，找到物體並正確分類的能力如何？
建議：需要擺脫每一類的AP（per-class AP），做一個global average precision（擺脫類別的依賴），或者對每張圖片做一個AP，然後在整個數據集上做平均！