SPP介绍

YOLO SPP 属于是 YOLO V3 的 PRO 改进版本。在原始 yolo v3 的基础上增加了 Mosaic 数据增强、spp网络层、位置损失函数改进。

Mosaic 图像增强

• 思路： 将四张图片进行随机裁剪，再拼接到一张图上作为训练数据

  

• 优点：

  1. 增加一张图片中的目标数，利于多目标训练
  2. Batch Normal 一次能统计多张图片的结果

SPP 网络

YOLO SPP 的网络在原v3的基础上增加了一层 SPP 网络层。SPP 网络的工作原理是对输入进行三次不同 kernel 的最大池化操作，且池化后特征图的尺寸不变，最后的三次池化结果在通道维度上直接拼接作为输出结果。

IOU 位置损失

L2 位置损失缺陷

上面三种预测框与 Ground True Box 的匹配情况，原 v3 的 L2 位置损失函数计算得到损失结果是一样的，但是根据肉眼观察，明显第三种预测要优于其余两种预测结果。因此，L2 损失不能很好反应预测框与真实框相重合的优劣程度。

IOU 损失

• 原理： 基于预测框与 Ground True Box 的 IOU 来反映预测结果与期望结果的位置损失

  $$ IoU \ loss = 1 - \rm IoU $$

• 缺点：IOU 的取值范围为 [0,1]。当预测框与 Ground True Box 不存在重叠部分时，IOU恒等于0。这就导致预测框与 Ground True Box 不管相差多远，损失值都是恒定的，不利用网络学习。

GIOU 损失

• GIOU定义：

  $$ GIoU = IoU - \frac{A^c - u}{A^c} $$

  

  其中 $A^c$ 为预测框与 Ground True Box的外接矩形框面积（蓝色线框）；$u$ 为预测框与 Ground True Box的并集。当预测框与 Ground True Box完全重合时，$GIoU = 1$；当预测框与 Ground True Box 距离无限远时，$GIoU = -1$

• GIOU损失： $$ GIoU \ loss = 1 - GIoU $$

• GIOU缺点： 当预测框与 Ground True Box 高度（宽度）一样时，在水平（垂直）方向上，$GIoU$ 会退化为 $IoU$

  

DIOU 损失

• DIOU定义： $$ DIoU = IoU - \frac{d^2}{c^2} $$

  

  其中 $d$ 为预测框与 Ground True Box中心点之间的距离

• DIOU 损失： $$ DIoU \ loss = 1 - DIoU $$

• 优点： 收敛速度要快于 IOU 与 GIOU 损失

CIOU 损失

• CIOU定义： $$ \begin{aligned} CIoU &= IoU - \frac{d^2}{c^2} - \alpha v \ v &= \frac{4}{\pi^2} (\arctan \frac{w^{gt}}{h^{gt}} - \arctan \frac{w}{h})^2 \ \alpha &= \frac{v}{1 - IoU + v} \end{aligned} $$

• CIOU损失： $$ CIoU \ loss = 1 - CIoU $$

• 优点： DIOU 只考虑了预测框与 Ground True Box 重叠面积、中心距离的几何差异，而 CIOU 在此基础上，增加了「长宽比」的损失，使得损失的计算精度更高。