yolo_loss

paddle.vision.ops. yolo_loss ( x, gt_box, gt_label, anchors, anchor_mask, class_num, ignore_thresh, downsample_ratio, gt_score=None, use_label_smooth=True, name=None, scale_x_y=1.0 ) [源代码]

该运算通过给定的预测结果和真实框计算yolov3损失。

yolov3 loss前的网络输出形状为[N，C，H，W]，H和W应该相同，用来指定网格(grid)大小。每个网格点预测S个边界框(bounding boxes)，S由每个尺度中 anchors 簇的个数指定。在第二维（表示通道的维度）中，C的值应为S *（class_num + 5），class_num是源数据集的对象种类数（如coco中为80），另外，除了存储4个边界框位置坐标x，y，w，h，还包括边界框以及每个anchor框的one-hot关键字的置信度得分。 假设有四个表征位置的坐标为 \(t_x, t_y, t_w, t_h\) ,那么边界框的预测将会如下定义:

$$ b_x = \sigma(t_x) + c_x $$ $$ b_y = \sigma(t_y) + c_y $$ $$ b_w = p_w e^{t_w} $$ $$ b_h = p_h e^{t_h} $$

在上面的等式中， \(c_x, c_y\) 是当前网格的左上角, \(p_w, p_h\) 由anchors指定。 置信度得分是anchor框和真实框之间的IoU的逻辑回归值，anchor框的得分最高为1，此时该anchor框对应着最大IoU。 如果anchor框之间的IoU大于忽略阀值ignore_thresh，则该anchor框的置信度评分损失将会被忽略。

因此，yolov3损失包括三个主要部分，框位置损失，目标性损失，分类损失。L1损失用于 框坐标（w，h），同时，sigmoid交叉熵损失用于框坐标（x，y），目标性损失和分类损失。

每个真实框将在所有anchor中找到最匹配的anchor，对该anchor的预测将会计算全部（三种）损失，但是没有匹配GT box(ground truth box真实框)的anchor的预测只会产生目标性损失。

为了权衡大框(box)和小(box)之间的框坐标损失，框坐标损失将与比例权重相乘而得。即：

$$ weight_{box} = 2.0 - t_w * t_h $$

最后的loss值将如下计算:

$$ loss = (loss_{xy} + loss_{wh}) * weight_{box} + loss_{conf} + loss_{class} $$

当 use_label_smooth 为 True 时，在计算分类损失时将平滑分类目标，将正样本的目标平滑到1.0-1.0 / class_num，并将负样本的目标平滑到1.0 / class_num。

GTScore （如果存在）表示真实框的mixup得分，那么真实框所产生的所有损失需要乘上GTScore。

参数：

  • x (Tensor) : YOLOv3损失运算的输入张量，这是一个形状为[N，C，H，W]的四维Tensor。H和W应该相同，第二维（C）存储框的位置信息，以及每个anchor box的置信度得分和one-hot分类。数据类型为float32或float64。

  • gt_box (Tensor) : 真实框，应该是[N，B，4]的形状。第三维用来承载x、y、w、h，其中 x, y是真实框的中心坐标，w, h是框的宽度和高度，且x、y、w、h将除以输入图片的尺寸，缩放到[0,1]区间内。 N是batch size，B是图像中所含有的的最多的box数目。数据类型为float32或float64。

  • gt_label (Tensor) : 真实框的类id，应该形为[N，B]。数据类型为int32。

  • anchors (list|tuple) : 指定anchor框的宽度和高度，它们将逐对进行解析

  • anchor_mask (list|tuple) : 当前YOLOv3损失计算中使用anchor的mask索引

  • class_num (int) : 要预测的类别数

  • ignore_thresh (float) : 一定条件下忽略某框置信度损失的忽略阈值

  • downsample_ratio (int) : 网络输入到YOLOv3 loss输入的下采样率，因此第一，第二和第三个 loss 的下采样率应分别为32,16,8

  • gt_score （Tensor）: 真实框的混合得分，形为[N，B]。 默认None。数据类型为float32或float64。

  • use_label_smooth (bool）: 是否使用平滑标签。 默认为True

  • name (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 Name 。

  • scale_x_y (float, 可选): 缩放解码边界框的中心点。 默认值1.0 。

返回

Tensor, yolov3损失的值，具有形状[N]的1-D Tensor。

代码示例

import paddle
import numpy as np

x = np.random.random([2, 14, 8, 8]).astype('float32')
gt_box = np.random.random([2, 10, 4]).astype('float32')
gt_label = np.random.random([2, 10]).astype('int32')

x = paddle.to_tensor(x)
gt_box = paddle.to_tensor(gt_box)
gt_label = paddle.to_tensor(gt_label)

loss = paddle.vision.ops.yolo_loss(x,
                                   gt_box=gt_box,
                                   gt_label=gt_label,
                                   anchors=[10, 13, 16, 30],
                                   anchor_mask=[0, 1],
                                   class_num=2,
                                   ignore_thresh=0.7,
                                   downsample_ratio=8,
                                   use_label_smooth=True,
                                   scale_x_y=1.)