yolo5论文文献

yolo容易漏检，但ssd不容易。YOLO虽然能够达到实时的效果，但是其mAP与刚面提到的的结果有很大的差距，每个网格只预测一个物体，容易造成漏检。针对YOLO中的这些不足，该论文提出的方法SSD在这两方面都有所改进，同时兼顾了mAP和实时性的要求。在满足实时性的条件下，接近stateofart的结果。

把one-hot label 转换为soft label，一般认为这样更容易work。

= (reduction='none') # must be () 这里reduction用none因为在forward里返回的时候取mean。

刚开始看这几行非常confused，查了很久。

这个issue里说减少false negative的影响，我觉得应该写错了，是减少false positive的影响。

false negative指gt有框而network没有predict到，这时候的weight应该要比较大才对。

，当 ，即 时，alpha_factor=0，这应该是false positive的情况。

直白的说，network觉得这里有一个obj，但是gt说没有，这种情况不应该过多的惩罚。

如果采用绝对值的话，会减轻pred和gt差异过大造成的影响。

假设gt是1，pred_prob如果很小，那么就是hard，这样算出来的p_t也会小，最后modulating_factor大。

对alpha_factor也是类似的。alpha_factor对应于foreground，一般设置为。

这里modulating_factor的算法和QFL论文写的一致。

原本FL用class label，也就是one-hot discrete label来supervise；而QFL将其换成了IoU continuous label。

我们先明确一下p和targets的shape p，也就是prediction，[num_dec_layer, batch_size, num_anchor, height, width, 85]，这里85是80个class和4个offset以及1个confidence。 targets [nt, 6]

BCEcls, BCEobj是两个criteria，在scratch的hyp中g=0所以没有用focal loss，是普通的BCEloss

cp 和 cn 是soft label的probability，比如 。

balance控制obj loss的加权系数，autobalance决定加权系数也就是balance是否自动更新，autobalance一般是False。

= {3: [, , ]} ，有三个layer的输出，第一个layer的weight是4，第二个1，以此类推。如果有5个layer的输出才用右边那个weight数组。

gr 是iou ratio。

targets就是这个batch里所有的labels，targets(img_idx, cls_idx, x, y, w, h)，shape为[nt, 6]。可参考utils/ line 522, 599。 随便打印几行targets也可以验证我们的分析。

x, y, w, h是归一化后的结果。

先复制了三份一样的targets，在最后面加了一维表明anchor idx，本来是6现在变成7。

gain[2:6] = (p[i].shape)[[3, 2, 3, 2]] # xyxy gain t = targets * gain 这里是把 grid size 拿出来乘，恢复到特征图的维度。

在 match 里面比较简单，容易看懂，就是 anchor 和 target 不能差的太离谱，误差小于阈值就 match。

下一步在扩展 targets，个人认为是 positive examples 太少了，所以根据 center 在 cell 中的相对位置，添加相邻的两个 cell 作为 targets。

举个例子，如果 center 在 cell 的左上角，那么 cell 本身，和 cell 的左边一个位置，还有 cell 的上边一个位置，这三个 cell 都作为 targets。

我个人觉得这里的写法是非常巧妙的，取了 grid xy 和 inverse（类似于 flip）。

(gxy % 1. < g) ，这里的 g 是 ，如果仅考虑这个条件， 好像可以 直接判断是否选取左边 cell 和上边 cell。

但是要考虑到边界情况，如果当前已经处于最上方，已经没有上边 cell 可以选择了，这就是 (gxy > 1.) 起到的作用，判断 edge case。

如果本来大于 ，那么 inverse 后就小于 了，所以可以使用相同的逻辑选择右边 cell 和下边 cell ，类似地推理到 edge case。

最后一点要提的是使用 clamp_ 确保返回的 grid indices 不是非法值，旧版本 code 没用这个检查，不过好像也没什么差。

lcls, lbox, lobj 这三个用来存放loss，默认使用pytorch提供的BCE loss。

pxy = ps[:, :2].sigmoid() * 2. - 在learn的时候不需要加cx cy。

bbox回归的公式可以参考model/ line56, 57。

Objectness 这里 gr 设置为 ，也就意味着直接拿 iou 作为 confidence。

至于为什么返回 loss 的时候为什么要乘 bs，还不是很清楚，第二个返回值就是为了打印信息用的。

在train的时候，target是在feature map的scale。

在inference的时候，直接乘img map scale的anchor size就可以了，也就是配置文件里的anchor。

对于YOLOv5的命名发布这么大的争议的原因是:Ultralytics公司在开源YOLOv5的代码时,未发布经过同行评议的YOLOv5论文。主要原因就是YOLOv5的license是GPL协议(),而Kaggle不允许使用GPL协议的项目参赛。那么今天就来普及一下这些开源软件协议。软件开源是许多软件企业需要关注的问题,不同的开源软件协议,对应不同的源代码使用限制。只有了解这些开源软件协议,才能更好地使用和回馈开源软件,否则就有可能触犯法律。