正樣本全稱是anchor正樣本，正樣本所指的對(duì)象是anchor box，即先驗(yàn)框。 先驗(yàn)框：YOLO v2吸收了Faster RCNN的優(yōu)點(diǎn)，設(shè)置了一定數(shù)量的預(yù)選框，使得模型不需要直接預(yù)測(cè)物體尺度與坐標(biāo)，只需要預(yù)測(cè)先驗(yàn)框到真實(shí)物體的偏移，降低了預(yù)測(cè)難度。
正樣本全稱是anchor正樣本，正樣本所指的對(duì)象是anchor box，即先驗(yàn)框。
先驗(yàn)框：從YOLO v2開始吸收了Faster RCNN的優(yōu)點(diǎn)，設(shè)置了一定數(shù)量的預(yù)選框，使得模型不需要直接預(yù)測(cè)物體尺度與坐標(biāo)，只需要預(yù)測(cè)先驗(yàn)框到真實(shí)物體的偏移，降低了預(yù)測(cè)難度。
Yolov5算法使用如下3種方式增加正樣本個(gè)數(shù)：
假設(shè)一個(gè)GT框落在了某個(gè)預(yù)測(cè)分支的某個(gè)網(wǎng)格內(nèi)，該網(wǎng)格具有3種不同大小anchor，若GT可以和這3種anchor中的多種anchor匹配，則這些匹配的anchor都可以來(lái)預(yù)測(cè)該GT框，即一個(gè)GT框可以使用多種anchor來(lái)預(yù)測(cè)。
具體方法：
不同于IOU匹配，yolov5采用基于寬高比例的匹配策略，GT的寬高與anchors的寬高對(duì)應(yīng)相除得到ratio1，anchors的寬高與GT的寬高對(duì)應(yīng)相除得到ratio2，取ratio1和ratio2的最大值作為最后的寬高比，該寬高比和設(shè)定閾值（默認(rèn)為4）比較，小于設(shè)定閾值的anchor則為匹配到的anchor。
anchor_boxes=torch.tensor([[1.25000, 1.62500],[2.00000, 3.75000],[4.12500, 2.87500]])
gt_box=torch.tensor([5,4])
ratio1=gt_box/anchor_boxes
ratio2=anchor_boxes/gt_box
ratio=torch.max(ratio1, ratio2).max(1)[0]
print(ratio)
anchor_t=4
res=ratiotensor([4.0000, 2.5000, 1.3913])
tensor([False, True, True])
與 GT 相匹配的的 anchor 為 **anchor2 **和
anchor3
。
假設(shè)一個(gè)GT框落在了某個(gè)預(yù)測(cè)分支的某個(gè)網(wǎng)格內(nèi)，則該網(wǎng)格有左、上、右、下4個(gè)鄰域網(wǎng)格，根據(jù)GT框的中心位置，將最近的2個(gè)鄰域網(wǎng)格也作為預(yù)測(cè)網(wǎng)格，也即一個(gè)GT框可以由3個(gè)網(wǎng)格來(lái)預(yù)測(cè)。
計(jì)算例子：
GT box中心點(diǎn)處于grid1中，grid1被選中。為了增加增樣本，grid1的上下左右grid為候選網(wǎng)格，因?yàn)镚T中心點(diǎn)更靠近grid2和grid3，grid2和grid3也作為匹配到的網(wǎng)格。
根據(jù)上個(gè)步驟中的anchor匹配結(jié)果，GT與anchor2、anchor3相匹配，因此GT在當(dāng)前層匹配到的正樣本有6個(gè)，分別為：
假設(shè)一個(gè)GT框可以和2個(gè)甚至3個(gè)預(yù)測(cè)分支上的anchor匹配，則這2個(gè)或3個(gè)預(yù)測(cè)分支都可以預(yù)測(cè)該GT框。即一個(gè)GT框可以在3個(gè)預(yù)測(cè)分支上匹配正樣本，在每一個(gè)分支上重復(fù)anchor匹配和grid匹配的步驟，最終可以得到某個(gè)GT 匹配到的所有正樣本。
如下圖在Prediction的3個(gè)不同尺度的輸出中，gt都可以去匹配正樣本。
正樣本篩選主要做了四件事情：
anchors:
- [10,13, 16,30, 33,23] # P3/8
- [30,61, 62,45, 59,119] # P4/16
- [116,90, 156,198, 373,326] # P5/32
yolov5的網(wǎng)絡(luò)有三個(gè)尺寸的輸出，不同大小的輸出對(duì)應(yīng)不同尺寸：
yolov5/utils/loss.py
def build_targets(self, p, targets):
# Build targets for compute_loss(), input targets(image,class,x,y,w,h)
"""
p: 預(yù)測(cè)值
targets：gt
(Pdb) pp p[0].shape
torch.Size([1, 3, 80, 80, 7])
(Pdb) pp p[1].shape
torch.Size([1, 3, 40, 40, 7])
(Pdb) pp p[2].shape
torch.Size([1, 3, 20, 20, 7])
(Pdb) pp targets.shape
torch.Size([23, 6])
"""
na, nt = self.na, targets.shape[0] # number of anchors, targets
tcls, tbox, indices, anch = [], [], [], []
"""
tcls 保存類別id
tbox 保存的是gt中心相對(duì)于所在grid cell左上角偏移量。也會(huì)計(jì)算出gt中心相對(duì)擴(kuò)展anchor的偏移量
indices 保存的內(nèi)容是：image_id, anchor_id, grid x刻度 grid y刻度
anch 保存anchor的具體寬高
"""
gain = torch.ones(7, device=self.device) # normalized to gridspace gain
ai = torch.arange(na, device=self.device).float().view(na, 1).repeat(1, nt) # same as .repeat_interleave(nt)
"""
(Pdb) ai
tensor([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.],
[2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2.]], device='cuda:0')
(Pdb) ai.shape
torch.Size([3, 23])
"""
targets = torch.cat((targets.repeat(na, 1, 1), ai[..., None]), 2) # append anchor indices
g = 0.5 # bias
off = torch.tensor(
[
[0, 0],
[1, 0],
[0, 1],
[-1, 0],
[0, -1], # j,k,l,m
# [1, 1], [1, -1], [-1, 1], [-1, -1], # jk,jm,lk,lm
],
device=self.device).float() * g # offsets
for i in range(self.nl):
anchors, shape = self.anchors[i], p[i].shape
"""
(Pdb) anchors
tensor([[1.25000, 1.62500],
[2.00000, 3.75000],
[4.12500, 2.87500]], device='cuda:0')
(Pdb) shape
torch.Size([1, 3, 80, 80, 7])
"""
gain[2:6] = torch.tensor(shape)[[3, 2, 3, 2]] # xyxy gain
"""
(Pdb) gain
tensor([ 1., 1., 80., 80., 80., 80., 1.], device='cuda:0')
"""
# Match targets to anchors
t = targets * gain # shape(3,n,7) # 將grid cell還原到當(dāng)前feature map上
"""
(Pdb) t.shape
torch.Size([3, 23, 7])
"""
if nt:
# Matches
r = t[..., 4:6] / anchors[:, None] # wh ratio
j = torch.max(r, 1 / r).max(2)[0] < self.hyp['anchor_t'] # compare
# j = wh_iou(anchors, t[:, 4:6]) > model.hyp['iou_t'] # iou(3,n)=wh_iou(anchors(3,2), gwh(n,2))
t = t[j] # filter
"""
(Pdb) t.shape
torch.Size([3, 23, 7]) -> torch.Size([62, 7])
"""
# Offsets
gxy = t[:, 2:4] # grid xy
gxi = gain[[2, 3]] - gxy # inverse
j, k = ((gxy % 1 < g) & (gxy > 1)).T
"""
(Pdb) ((gxy % 1 < g) & (gxy > 1)).shape
torch.Size([186, 2])
(Pdb) ((gxy % 1 < g) & (gxy > 1)).T.shape
torch.Size([2, 186])
"""
l, m = ((gxi % 1 < g) & (gxi > 1)).T
j = torch.stack((torch.ones_like(j), j, k, l, m))
"""
torch.ones_like(j) 代表gt中心所在grid cell
j, k, l, m 代表擴(kuò)展的上下左右grid cell
torch.Size([5, 51])
"""
t = t.repeat((5, 1, 1))[j]
"""
標(biāo)簽也重復(fù)5次，和上面的擴(kuò)展gird cell一起篩選出所有的，符合條件的grid cell
(Pdb) pp t.shape
torch.Size([153, 7])
(Pdb) t.repeat((5, 1, 1)).shape
torch.Size([5, 153, 7])
(Pdb) pp t.shape
torch.Size([232, 7])
"""
offsets = (torch.zeros_like(gxy)[None] + off[:, None])[j]
"""
計(jì)算出所有g(shù)rid cell的偏移量，作用在標(biāo)簽上之后就能得到最終的grid cell
(Pdb) pp offsets.shape
torch.Size([529, 2])
"""
else:
t = targets[0]
offsets = 0
# Define
bc, gxy, gwh, a = t.chunk(4, 1) # (image, class), grid xy, grid wh, anchors
a, (b, c) = a.long().view(-1), bc.long().T # anchors, image, class
gij = (gxy - offsets).long()
"""
用gt中心點(diǎn)的坐標(biāo)減去偏移量，得到最終的grid cell的坐標(biāo)。其中中心點(diǎn)也在。
gxy 是在當(dāng)前feature map下的gt中心點(diǎn)，如80*80下的 (55.09， 36.23)，減去偏移量，再取整就能得到一個(gè)grid cell的坐標(biāo)，如 (55，36)
Pdb) pp gij.shape
torch.Size([529, 2])
(Pdb) pp gij
tensor([[ 9, 22],
[ 2, 23],
[ 6, 23],
...,
[ 5, 19],
[ 5, 38],
[15, 36]], device='cuda:0')
"""
gi, gj = gij.T # grid indices
# Append
# indices 保存的內(nèi)容是：image_id, anchor_id（0，1，2）, grid x刻度 grid y刻度。這里的刻度就是正樣本
indices.append((b, a, gj.clamp_(0, shape[2] - 1), gi.clamp_(0, shape[3] - 1))) # image, anchor, grid
# tbox保存的是gt中心相對(duì)于所在grid cell左上角偏移量。也會(huì)計(jì)算出gt中心相對(duì)擴(kuò)展anchor的偏移量
tbox.append(torch.cat((gxy - gij, gwh), 1)) # box
"""
(Pdb) pp tbox[0].shape
torch.Size([312, 4])
(Pdb) pp tbox[0]
tensor([[ 0.70904, 0.50893, 4.81701, 5.14418],
[ 0.28421, 0.45330, 3.58872, 4.42822],
[ 0.44398, 0.60475, 3.79576, 4.98174],
...,
[ 0.59653, -0.37711, 3.97289, 4.44963],
[ 0.32074, -0.05419, 5.19988, 5.59987],
[ 0.28691, -0.38742, 5.79986, 6.66651]], device='cuda:0')
(Pdb) gxy
tensor([[ 9.19086, 22.46842],
[ 2.50407, 23.72271],
[ 6.35452, 23.75447],
...,
[ 5.91273, 18.75906],
[ 5.16037, 37.97290],
[15.64346, 35.80629]], device='cuda:0')
(Pdb) gij
tensor([[ 9, 22],
[ 2, 23],
[ 6, 23],
...,
[ 5, 19],
[ 5, 38],
[15, 36]], device='cuda:0')
(Pdb) gxy.shape
torch.Size([529, 2])
(Pdb) gij.shape
torch.Size([529, 2])
"""
anch.append(anchors[a]) # anchors # 保存anchor的具體寬高
tcls.append(c) # class 保存類別id
"""
(Pdb) pp anch[0].shape
torch.Size([312, 2])
(Pdb) pp tcls[0].shape
torch.Size([312])
"""
return tcls, tbox, indices, anch
在進(jìn)入正樣本篩選之前，需要做一些準(zhǔn)備工作，主要是獲取必要的參數(shù)。
def build_targets(self, p, targets):
pass
輸入的參數(shù)：
targets 是這一批圖片的標(biāo)注信息，每一行的內(nèi)容分別是：
image, class, x, y, w, h。
(Pdb) pp targets.shape
torch.Size([63, 6])
tensor([[0.00000, 1.00000, 0.22977, 0.56171, 0.08636, 0.09367],
[0.00000, 0.00000, 0.06260, 0.59307, 0.07843, 0.08812],
[0.00000, 0.00000, 0.15886, 0.59386, 0.06021, 0.06430],
[0.00000, 0.00000, 0.31930, 0.58910, 0.06576, 0.09129],
[0.00000, 0.00000, 0.80959, 0.70458, 0.23025, 0.26275],
[1.00000, 1.00000, 0.85008, 0.07597, 0.09781, 0.11827],
[1.00000, 0.00000, 0.22484, 0.09267, 0.14065, 0.18534]
p 模型預(yù)測(cè)數(shù)據(jù)。主要用于獲取每一層的尺度
(Pdb) pp p[0].shape
torch.Size([1, 3, 80, 80, 7])
(Pdb) pp p[1].shape
torch.Size([1, 3, 40, 40, 7])
(Pdb) pp p[2].shape
torch.Size([1, 3, 20, 20, 7])
獲取anchor的數(shù)量和標(biāo)注的數(shù)據(jù)的個(gè)數(shù)。設(shè)置一批讀入的數(shù)據(jù)為6張圖片，產(chǎn)生了66個(gè)標(biāo)注框。
na, nt = self.na, targets.shape[0] # number of anchors, targets
tcls, tbox, indices, anch = [], [], [], []
pp na
3
(Pdb) pp nt
66
(Pd
targets保存的標(biāo)注信息，首先將標(biāo)注信息復(fù)制成三份，同時(shí)給每一份標(biāo)注信息分配一個(gè)不同大小的anchor。 相當(dāng)于同一個(gè)標(biāo)注框就擁有三個(gè)不同的anchor 。
在targets張量最后增加一個(gè)數(shù)據(jù)用于保存anchor的index。后續(xù)的篩選都是以單個(gè)anchor為顆粒度。targets 每一行內(nèi)容： image, class, x, y, w, h，anchor_id
targets = torch.cat((targets.repeat(na, 1, 1), ai[..., None]), 2)
>>>
(Pdb) pp targets.shape
torch.Size([3, 63, 7])
定義長(zhǎng)寬比的比例g=0.5和擴(kuò)展網(wǎng)格的選擇范圍off
g = 0.5 # bias
off = torch.tensor(
[
[0, 0],
[1, 0],
[0, 1],
[-1, 0],
[0, -1], # j,k,l,m
# [1, 1], [1, -1], [-1, 1], [-1, -1], # jk,jm,lk,lm
],
device=self.device).float() * g # offsets
遍歷三種尺度，在每一種尺度上獲取正樣本anchor和擴(kuò)展網(wǎng)格
首先將標(biāo)注框還原到當(dāng)前尺度上。從傳入的預(yù)測(cè)數(shù)據(jù)中獲取尺度，如80 * 80，那么就是將中心點(diǎn)和寬高還原到80*80的尺度上，還原之前的尺度都是0-1之間歸一化處理的，還原之后范圍就是在0-80。
anchors, shape = self.anchors[i], p[i].shape
"""
(Pdb) anchors
tensor([[1.25000, 1.62500],
[2.00000, 3.75000],
[4.12500, 2.87500]], device='cuda:0')
(Pdb) shape
torch.Size([1, 3, 80, 80, 7])
"""
gain[2:6] = torch.tensor(shape)[[3, 2, 3, 2]] # xyxy gain
"""
(Pdb) gain
tensor([ 1., 1., 80., 80., 80., 80., 1.], device='cuda:0')
"""
# Match targets to anchors
t = targets * gain # shape(3,n,7) # 將grid cell還原到當(dāng)前feature map上
targets此時(shí)一行數(shù)據(jù)分別是：image_id, clss_id, 當(dāng)前尺度下的x，當(dāng)前尺度下的y，當(dāng)前尺度下的寬，當(dāng)前尺度下的高，當(dāng)前尺度下的anchor_id。
(Pdb) pp t.shape
torch.Size([3, 63, 7])
(Pdb) pp t[0,0]
tensor([ 0.00000, 1.00000, 18.38171, 44.93684, 6.90862, 7.49398, 0.00000], device='cuda:0')
(Pdb) pp t
tensor([[[ 0.00000, 1.00000, 18.38171, ..., 6.90862, 7.49398, 0.00000],
[ 0.00000, 0.00000, 5.00814, ..., 6.27480, 7.04943, 0.00000],
[ 0.00000, 0.00000, 12.70904, ..., 4.81701, 5.14418, 0.00000],
...,
[ 5.00000, 0.00000, 10.32074, ..., 5.19988, 5.59987, 0.00000],
[ 5.00000, 0.00000, 31.28691, ..., 5.79986, 6.66651, 0.00000],
[ 5.00000, 0.00000, 51.81977, ..., 5.66653, 5.93320, 0.00000]],
[[ 0.00000, 1.00000, 18.38171, ..., 6.90862, 7.49398, 1.00000],
[ 0.00000, 0.00000, 5.00814, ..., 6.27480, 7.04943, 1.00000],
[ 0.00000, 0.00000, 12.70904, ..., 4.81701, 5.14418, 1.00000],
...,
[ 5.00000, 0.00000, 10.32074, ..., 5.19988, 5.59987, 1.00000],
[ 5.00000, 0.00000, 31.28691, ..., 5.79986, 6.66651, 1.00000],
[ 5.00000, 0.00000, 51.81977, ..., 5.66653, 5.93320, 1.00000]],
[[ 0.00000, 1.00000, 18.38171, ..., 6.90862, 7.49398, 2.00000],
[ 0.00000, 0.00000, 5.00814, ..., 6.27480, 7.04943, 2.00000],
[ 0.00000, 0.00000, 12.70904, ..., 4.81701, 5.14418, 2.00000],
...,
[ 5.00000, 0.00000, 10.32074, ..., 5.19988, 5.59987, 2.00000],
[ 5.00000, 0.00000, 31.28691, ..., 5.79986, 6.66651, 2.00000],
[ 5.00000, 0.00000, 51.81977, ..., 5.66653, 5.93320, 2.00000]]], device='cuda:0')
yolov5 正樣本選取規(guī)則
yolov5中正負(fù)樣本的計(jì)算規(guī)則是：比較標(biāo)注框和anchor的寬高，比例在0.25-4以內(nèi)就是正樣本。如下圖所示：
gt的原本面積為藍(lán)色，虛線標(biāo)注了0.25倍和4倍。只要anchor在0.25-4之間，就是匹配成功。
如果存在標(biāo)注框，則計(jì)算anchor和標(biāo)注框的寬高比
if nt:
# 獲取寬高比
r = t[..., 4:6] / anchors[:, None]
# 獲取 寬高比或?qū)捀弑鹊箶?shù) 中最大的一個(gè)，和4比較。self.hyp['anchor_t'] = 4
j = torch.max(r, 1 / r).max(2)[0] < self.hyp['anchor_t'] # compare
# 將正樣本過(guò)濾出來(lái)
t = t[j] # filter
此時(shí)t保存的就是所有符合條件的標(biāo)注框，后續(xù)用于計(jì)算anchor和網(wǎng)格信息。這一階段的結(jié)束之后，輸出的是所有符合條件的anchor。t保存的是 image, class, x, y, w, h，anchor_id， 同一個(gè)圖片會(huì)對(duì)應(yīng)多個(gè)標(biāo)注框，多個(gè)標(biāo)注框可能會(huì)對(duì)應(yīng)多個(gè)anchor。
跨anchor匹配
r計(jì)算的過(guò)程中包含了跨anchor匹配。在準(zhǔn)備工作中已經(jīng)介紹過(guò)將標(biāo)注框復(fù)制了三份，每一份都分配了一個(gè)anchor，相當(dāng)于一個(gè)標(biāo)注框擁有三種不同大小的anchor�，F(xiàn)在計(jì)算寬高比獲得的結(jié)果只要符合條件的都會(huì)認(rèn)為是正樣本，3種anchor之間互不干擾，所以會(huì)出現(xiàn)一個(gè)標(biāo)注框匹配多個(gè)anchor。
(Pdb) pp t.shape
torch.Size([3, 63, 7])
(Pdb) pp t
tensor([[[ 0.00000, 1.00000, 18.38171, ..., 6.90862, 7.49398, 0.00000],
[ 0.00000, 0.00000, 5.00814, ..., 6.27480, 7.04943, 0.00000],
[ 0.00000, 0.00000, 12.70904, ..., 4.81701, 5.14418, 0.00000],
...,
[ 5.00000, 0.00000, 10.32074, ..., 5.19988, 5.59987, 0.00000],
[ 5.00000, 0.00000, 31.28691, ..., 5.79986, 6.66651, 0.00000],
[ 5.00000, 0.00000, 51.81977, ..., 5.66653, 5.93320, 0.00000]],
[[ 0.00000, 1.00000, 18.38171, ..., 6.90862, 7.49398, 1.00000],
[ 0.00000, 0.00000, 5.00814, ..., 6.27480, 7.04943, 1.00000],
[ 0.00000, 0.00000, 12.70904, ..., 4.81701, 5.14418, 1.00000],
...,
[ 5.00000, 0.00000, 10.32074, ..., 5.19988, 5.59987, 1.00000],
[ 5.00000, 0.00000, 31.28691, ..., 5.79986, 6.66651, 1.00000],
[ 5.00000, 0.00000, 51.81977, ..., 5.66653, 5.93320, 1.00000]],
[[ 0.00000, 1.00000, 18.38171, ..., 6.90862, 7.49398, 2.00000],
[ 0.00000, 0.00000, 5.00814, ..., 6.27480, 7.04943, 2.00000],
[ 0.00000, 0.00000, 12.70904, ..., 4.81701, 5.14418, 2.00000],
...,
[ 5.00000, 0.00000, 10.32074, ..., 5.19988, 5.59987, 2.00000],
[ 5.00000, 0.00000, 31.28691, ..., 5.79986, 6.66651, 2.00000],
[ 5.00000, 0.00000, 51.81977, ..., 5.66653, 5.93320, 2.00000]]], device='cuda:0')
(Pdb) pp t[0,0]
tensor([ 0.00000, 1.00000, 18.38171, 44.93684, 6.90862, 7.49398, 0.00000], device='cuda:0')
在yolov5中除了將gt中心點(diǎn)所在網(wǎng)格的anchor匹配為正樣本之外，還會(huì)將網(wǎng)格相鄰的上下左右四個(gè)網(wǎng)格中的對(duì)應(yīng)anchor作為正樣本。獲取擴(kuò)展網(wǎng)格的規(guī)則就是根據(jù)中心點(diǎn)距離上下左右哪個(gè)更近來(lái)確定擴(kuò)展的網(wǎng)格。如下圖中心點(diǎn)更靠近上和右，那么上和右網(wǎng)格中對(duì)應(yīng)的anchor就會(huì)成為正樣本。
獲取擴(kuò)展網(wǎng)格主要分為幾步走：
gxy = t[:, 2:4] # grid xy
gxi = gain[[2, 3]] - gxy # inverse
j, k = ((gxy % 1 < g) & (gxy > 1)).T
"""
(Pdb) ((gxy % 1 < g) & (gxy > 1)).shape
torch.Size([186, 2])
(Pdb) ((gxy % 1 < g) & (gxy > 1)).T.shape
torch.Size([2, 186])
"""
l, m = ((gxi % 1 < g) & (gxi > 1)).T
j = torch.stack((torch.ones_like(j), j, k, l, m))
"""
torch.ones_like(j) 代表gt中心所在grid cell
j, k, l, m 代表擴(kuò)展的上下左右grid cell
torch.Size([5, 51])
"""
t = t.repeat((5, 1, 1))[j]
"""
標(biāo)簽也重復(fù)5次，和上面的擴(kuò)展gird cell一起篩選出所有的，符合條件的grid cell
(Pdb) pp t.shape
torch.Size([153, 7])
(Pdb) t.repeat((5, 1, 1)).shape
torch.Size([5, 153, 7])
(Pdb) pp t.shape
torch.Size([232, 7])
"""
offsets = (torch.zeros_like(gxy)[None] + off[:, None])[j]
"""
計(jì)算出所有g(shù)rid cell的偏移量，作用在標(biāo)簽上之后就能得到最終的grid cell
(Pdb) pp offsets.shape
torch.Size([529, 2])
"""
gxy 是中心點(diǎn)的坐標(biāo)，中心點(diǎn)坐標(biāo)是相對(duì)于整個(gè)80*80網(wǎng)格的左上角(0,0)的距離，而gxi是80減去中心點(diǎn)坐標(biāo)，得到的結(jié)果相當(dāng)于是中心點(diǎn)距離(80,80)的距離。將中心點(diǎn)取余1之后相當(dāng)于縮放到一個(gè)網(wǎng)格中，如上圖所示。
gxy = t[:, 2:4] # grid xy
gxi = gain[[2, 3]] - gxy # inverse
j, k = ((gxy % 1 < g) & (gxy > 1)).T
模擬以上操作，j,k得到的是一組布爾值
>>> import torch
>>>
>>> arr = torch.tensor([[1,2,3], [4,5,6]])
>>> one = arr % 2 < 2
>>> two = arr > 3
>>> one
tensor([[True, True, True],
[True, True, True]])
>>> two
tensor([[False, False, False],
[ True, True, True]])
>>> one & two
tensor([[False, False, False],
[ True, True, True]])
距離的計(jì)算過(guò)程：
j, k = ((gxy % 1 < g) & (gxy > 1)).T
"""
(Pdb) ((gxy % 1 < g) & (gxy > 1)).shape
torch.Size([186, 2])
(Pdb) ((gxy % 1 < g) & (gxy > 1)).T.shape
torch.Size([2, 186])
"""
l, m = ((gxi % 1 < g) & (gxi > 1)).T
gxy % 1 < g 代表x或y離左上角距離小于0.5，小于0.5也就意味著靠的更近
gxy > 1 代表x或y必須大于1，x必須大于1也就是說(shuō)第一行的網(wǎng)格不能向上擴(kuò)展；y必須大于1就是說(shuō)第一列的網(wǎng)格不能向左擴(kuò)展。
同理gxi是相對(duì)下邊和右邊的距離，得到布爾張量。
l, m = ((gxi % 1 < g) & (gxi > 1)).T
獲取所有的正樣本網(wǎng)格結(jié)果
j = torch.stack((torch.ones_like(j), j, k, l, m))
t = t.repeat((5, 1, 1))[j]
j 保存上面擴(kuò)展網(wǎng)格和中心點(diǎn)網(wǎng)格的匹配結(jié)果，是bool數(shù)組。torch.ones_like(j) 表示中心點(diǎn)匹配到的網(wǎng)格，jklm中保存的上下左右匹配的網(wǎng)格。
t是將gt中心點(diǎn)的網(wǎng)格復(fù)制出來(lái)5份，用于計(jì)算所有網(wǎng)格。第一份是中心點(diǎn)匹配結(jié)果，剩余四份是上下左右網(wǎng)格匹配結(jié)果。
用j來(lái)篩選t，最終留下所有選中的網(wǎng)格。
計(jì)算出從中心點(diǎn)網(wǎng)格出發(fā)到擴(kuò)展網(wǎng)格的需要的偏移量。后續(xù)使用使用該偏移量即可獲取所有網(wǎng)格，包括中心點(diǎn)網(wǎng)格和擴(kuò)展網(wǎng)格。計(jì)算的過(guò)程中涉及到了廣播機(jī)制。
offsets = (torch.zeros_like(gxy)[None] + off[:, None])[j]
示例如下：
>>> off
tensor([[ 0, 0],
[ 1, 0],
[ 0, 1],
[-1, 0],
[ 0, -1]])
>>> arr = torch.tensor([10])
>>>
>>>
>>> arr + off
tensor([[10, 10],
[11, 10],
[10, 11],
[ 9, 10],
[10, 9]])
以下圖為例，可視化正樣本anchor。
經(jīng)過(guò)mosaic處理的圖片，藍(lán)色為標(biāo)注框
三種尺度下的正樣本網(wǎng)格
三種尺度下的正樣本anchor
三種尺度下原圖的正樣本網(wǎng)格
三種尺度下原圖的anchor
從t中獲取相關(guān)數(shù)據(jù)，包括：
bc, gxy, gwh, a = t.chunk(4, 1) # (image, class), grid xy, grid wh, anchors
a, (b, c) = a.long().view(-1), bc.long().T # anchors, image, class
gij = (gxy - offsets).long()
獲取所有正樣本網(wǎng)格：
gij = (gxy - offsets).long()
gi, gj = gij.T # grid indices
gxy是gt中心點(diǎn)的坐標(biāo)，減去對(duì)應(yīng)偏移量再取整， 得到所有正樣本所在網(wǎng)格。然后將xy拆分出來(lái)得到gi，gj。
(Pdb) pp gij
tensor([[74, 24],
[37, 28],
[72, 9],
[75, 11],
[67, 5],
[73, 5],
[70, 5],
[75, 1],
...)
indices: 保存圖片，anchor，網(wǎng)格等信息
# indices 保存的內(nèi)容是：image_id, anchor_id（0，1，2）, grid x刻度 grid y刻度。這里的刻度就是正樣本
indices.append((b, a, gj.clamp_(0, shape[2] - 1), gi.clamp_(0, shape[3] - 1))) # image, anchor, grid
(Pdb) pp a.shape
torch.Size([367])
(Pdb) pp gij.shape
torch.Size([367, 2])
保存中心點(diǎn)偏移量
# tbox保存的是gt中心相對(duì)于所在grid cell左上角偏移量。也會(huì)計(jì)算出gt中心相對(duì)擴(kuò)展anchor的偏移量
tbox.append(torch.cat((gxy - gij, gwh), 1)) # box
gij是網(wǎng)格起始坐標(biāo)，gxy是gt中心點(diǎn)坐標(biāo)。gxy-gij就是獲取gt中心點(diǎn)相對(duì)于網(wǎng)格左上角坐標(biāo)的偏移量。
在后續(xù)的損失函數(shù)計(jì)算中，用這個(gè)偏移量和網(wǎng)絡(luò)預(yù)測(cè)出來(lái)的偏移量計(jì)算損失函數(shù)。
保存anchor具體的寬高和類別id
anch.append(anchors[a]) # anchors # 保存anchor的具體寬高
tcls.append(c) # class 保存類別id
自此正樣本篩選的流程就結(jié)束了，最終返回了4個(gè)張量：
返回的正樣本anchor會(huì)在后續(xù)損失函數(shù)的計(jì)算中使用。用 indices 保存的網(wǎng)格篩選出模型輸出的中對(duì)應(yīng)的網(wǎng)格里的內(nèi)容，用 tbox中中心點(diǎn)相對(duì)網(wǎng)格的偏移 和 模型輸出的預(yù)測(cè)中心點(diǎn)相對(duì)于網(wǎng)格左上角偏移量 計(jì)算偏差，并不斷修正。
一、正樣本指的是anchor，anchor匹配如何體現(xiàn)在過(guò)程？
targets 是這一批圖片的標(biāo)注信息，每一行的內(nèi)容分別是：
image, class, x, y, w, h。
(Pdb) pp targets.shape
torch.Size([63, 6])
tensor([[0.00000, 1.00000, 0.22977, 0.56171, 0.08636, 0.09367],
[0.00000, 0.00000, 0.06260, 0.59307, 0.07843, 0.08812],
[0.00000, 0.00000, 0.15886, 0.59386, 0.06021, 0.06430],
[0.00000, 0.00000, 0.31930, 0.58910, 0.06576, 0.09129],
[0.00000, 0.00000, 0.80959, 0.70458, 0.23025, 0.26275],
[1.00000, 1.00000, 0.85008, 0.07597, 0.09781, 0.11827],
[1.00000, 0.00000, 0.22484, 0.09267, 0.14065, 0.18534]
targets = torch.cat((targets.repeat(na, 1, 1), ai[..., None]), 2)
>>>
(Pdb) pp targets.shape
torch.Size([3, 63, 7])
targets保存的標(biāo)注信息，首先將標(biāo)注信息復(fù)制成三份，因?yàn)槊恳粋�(gè)尺度每一個(gè)網(wǎng)格上有三個(gè)anchor，
相當(dāng)于給一份標(biāo)注框分配了一個(gè)anchor
。
在后續(xù)的操作中，先通過(guò)先將標(biāo)注框還原到對(duì)應(yīng)的尺度上，通過(guò)寬高比篩選anchor，獲得符合正樣本的anchor。到這里就獲得所有正樣本的anchor。
然后再通過(guò)中心點(diǎn)的坐標(biāo)獲得擴(kuò)展網(wǎng)格。
j = torch.stack((torch.ones_like(j), j, k, l, m))
t = t.repeat((5, 1, 1))[j]
此時(shí)將t復(fù)制5份，每一份的每一行內(nèi)容代表：
image, class, x, y, w, h，anchor_id。
復(fù)制的過(guò)程中就攜帶了anchor_id的信息，最終通過(guò)擴(kuò)展獲取上下左右兩個(gè)網(wǎng)格，相當(dāng)于獲得了兩個(gè)網(wǎng)格中的anchor。
最后將所有的anchor保存起來(lái)，在計(jì)算損失函數(shù)時(shí)使用到anchor的兩個(gè)功能：
二、 跨anchor匹配體現(xiàn)在哪里？
targets保存的標(biāo)注信息，首先將標(biāo)注信息復(fù)制成三份，因?yàn)槊恳粋�(gè)尺度每一個(gè)網(wǎng)格上有三個(gè)anchor， 相當(dāng)于給一份標(biāo)注框分配了一個(gè)anchor 。
r = t[..., 4:6] / anchors[:, None]
# 獲取 寬高比或?qū)捀弑鹊箶?shù) 中最大的一個(gè)，和0.5比較
j = torch.max(r, 1 / r).max(2)[0] < self.hyp['anchor_t'] # compare
# 將正樣本過(guò)濾出來(lái)
t = t[j] # filter
r計(jì)算的過(guò)程中包含了跨anchor匹配。t是將原有的標(biāo)注信息復(fù)制了三份，而每一個(gè)網(wǎng)格也有三個(gè)anchor，也就是說(shuō)一份標(biāo)注信息對(duì)應(yīng)一個(gè)anchor。現(xiàn)在計(jì)算寬高比獲得的結(jié)果只要符合條件的都會(huì)認(rèn)為是正樣本，3種anchor之間互不干擾。
那么有可能存在的情況是三種anchor和gt的寬高比都符合條件，那么這3個(gè)標(biāo)注數(shù)據(jù)都會(huì)保存下來(lái)，相應(yīng)的anchor都會(huì)成為正樣本。
三、 跨網(wǎng)格匹配體現(xiàn)在哪里？
所謂跨網(wǎng)格匹配就是除了gt中心點(diǎn)所在網(wǎng)格，還會(huì)選擇擴(kuò)展網(wǎng)格。
擴(kuò)展網(wǎng)格的篩選過(guò)程就是跨網(wǎng)格匹配的過(guò)程
gxy = t[:, 2:4] # grid xy
gxi = gain[[2, 3]] - gxy # inverse
j, k = ((gxy % 1 < g) & (gxy > 1)).T
l, m = ((gxi % 1 < g) & (gxi > 1)).T
j = torch.stack((torch.ones_like(j), j, k, l, m))
t = t.repeat((5, 1, 1))[j]
四、 跨尺度匹配體現(xiàn)在哪里？
一個(gè)標(biāo)注框可以在不同的預(yù)測(cè)分支上匹配上anchor。anchor的匹配在不同的尺度上分開單獨(dú)處理，三個(gè)尺度互相不干擾，所以一個(gè)標(biāo)注框最多能在三個(gè)尺度上都匹配上anchor。
for i in range(self.nl):
anchors, shape = self.anchors[i], p[i].shape
...
indices.append((b, a, gj.clamp_(0, shape[2] - 1), gi.clamp_(0, shape[3] - 1))) # image, anchor, grid
# tbox保存的是gt中心相對(duì)于所在grid cell左上角偏移量。也會(huì)計(jì)算出gt中心相對(duì)擴(kuò)展anchor的偏移量
tbox.append(torch.cat((gxy - gij, gwh), 1)) # box
可以看到以下三個(gè)不同尺度的anchor匹配中，右上角目標(biāo)都匹配上了。
五、擴(kuò)展的網(wǎng)格中用哪一個(gè)anchor？
通過(guò)寬高比篩選出來(lái)的正樣本才會(huì)被復(fù)制，也就是說(shuō)一個(gè)網(wǎng)格中的anchor匹配上gt之后，然后才有可能被擴(kuò)展網(wǎng)格選中。
在擴(kuò)展網(wǎng)格之前，就已經(jīng)篩選出正樣本，有一個(gè)確定大小的anchor。擴(kuò)展網(wǎng)格的獲得過(guò)程是將正樣本復(fù)制5份。復(fù)制的過(guò)程就將中心點(diǎn)匹配的anchor_id攜帶過(guò)去。
j = torch.stack((torch.ones_like(j), j, k, l, m))
t = t.repeat((5, 1, 1))[j]
復(fù)制的是正樣本，那么擴(kuò)展網(wǎng)格最終獲得的也是中心點(diǎn)所在網(wǎng)格上匹配好的anchor
一個(gè)網(wǎng)格中有兩個(gè)anchor成為正樣本，那么擴(kuò)展網(wǎng)格中就有兩個(gè)anchor為正樣本。擴(kuò)展網(wǎng)格的anchor_id 和中心點(diǎn)網(wǎng)格保持一致。
六、擴(kuò)展網(wǎng)格中g(shù)t的偏移量如何計(jì)算？
計(jì)算gt中心點(diǎn)相對(duì)于網(wǎng)格左上角的偏移量中有幾個(gè)變量：
gij = (gxy - offsets).long()
gij 是通過(guò)中心點(diǎn)減去偏移量再取整獲得的
# tbox保存的是gt中心相對(duì)于所在grid cell左上角偏移量。也會(huì)計(jì)算出gt中心相對(duì)擴(kuò)展anchor的偏移量
tbox.append(torch.cat((gxy - gij, gwh), 1)) # box
gxy - gij 的計(jì)算過(guò)程中，對(duì)于那些擴(kuò)展的網(wǎng)格，也會(huì)同樣計(jì)算偏移量。所以擴(kuò)展網(wǎng)格的偏移量就是網(wǎng)格的左上角到gt中心點(diǎn)的距離。
機(jī)器學(xué)習(xí)：神經(jīng)網(wǎng)絡(luò)構(gòu)建（下）
閱讀華為Mate品牌盛典：HarmonyOS NEXT加持下游戲性能得到充分釋放
閱讀實(shí)現(xiàn)對(duì)象集合與DataTable的相互轉(zhuǎn)換
閱讀鴻蒙NEXT元服務(wù)：論如何免費(fèi)快速上架作品
閱讀算法與數(shù)據(jù)結(jié)構(gòu) 1 - 模擬
閱讀5. Spring Cloud OpenFeign 聲明式 WebService 客戶端的超詳細(xì)使用
閱讀Java代理模式：靜態(tài)代理和動(dòng)態(tài)代理的對(duì)比分析
閱讀Win11筆記本“自動(dòng)管理應(yīng)用的顏色”顯示規(guī)則
閱讀本站所有軟件，都由網(wǎng)友上傳，如有侵犯你的版權(quán)，請(qǐng)發(fā)郵件[email protected]
湘ICP備2022002427號(hào)-10 湘公網(wǎng)安備：43070202000427號(hào)© 2013~2025 haote.com 好特網(wǎng)
