yolo算法解析,yolo算法初学

yolov3算法中关于loss={‘yolo_loss’: lambda y_true, y_pred: y_pred}的理解

参考文献：
（1）https://www.jianshu.com/p/7e45586c44be
（2）https://blog.csdn.net/wangdongwei0/article/details/82563689?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task
（3）https://kexue.fm/archives/4493

所用的yolov3代码： https://github.com/qqwweee/keras-yolo3 ，解压之后用pycharm打开。

在train.py中有如下代码，对模型进行编译：

if True: model.compile(optimizer=Adam(lr=1e-3), loss={ # use custom yolo_loss Lambda layer. 'yolo_loss': lambda y_true, y_pred: y_pred})

刚开始对 loss={‘yolo_loss’: lambda y_true, y_pred: y_pred})不理解，通过查看相关博客，个人理解如下：
首先查看 Keras中的目标函数（损失函数）的定义方法（路径是keras→losses.py）：

def mean_squared_error(y_true, y_pred): return K.mean(K.square(y_pred - y_true), axis=-1)def mean_absolute_error(y_true, y_pred): return K.mean(K.abs(y_pred - y_true), axis=-1)def mean_absolute_percentage_error(y_true, y_pred): diff = K.abs((y_true - y_pred) / K.clip(K.abs(y_true), K.epsilon(), None)) return 100. * K.mean(diff, axis=-1)

可以发现y_true, y_pred是标准的函数输入参数，一个代表真实值（标签），一个代表预测值，函数返回的是即为预测值与真实值的某种误差函数。

但yolov3算法中，将loss函数写成一个Lambda层了，即该层的输出就是模型的loss值，也就是模型的预测值 y_pred.

model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss', arguments={'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.5})( [*model_body.output, *y_true])

因此，模型compile时传递的是自定义的loss，自定义的方法是使用Python里的匿名函数，即 lambda y_true, y_pred: y_pred， 其中，该匿名函数的输入参数是y_true, y_pred: y_pred，代表模型的真实值和预测值，该匿名函数的返回值是y_pred，即模型的预测值，该预测值正是loss值。
对于loss={‘yolo_loss’: lambda y_true, y_pred: y_pred}中的’yolo_loss’，参考以下文献就明白了：
https://keras-zh.readthedocs.io/getting-started/functional-api-guide/
https://blog.csdn.net/xiaohuihui1994/article/details/81022043
我的理解是凡是在字典中的键，如loss={‘yolo_loss’: lambda y_true, y_pred: y_pred}中的’yolo_loss’，loss_weights={‘main_output’: 1., ‘aux_output’: 0.2})中的’main_output’，model.fit({‘main_input’: headline_data, ‘aux_input’: additional_data}, {‘main_output’: headline_labels, ‘aux_output’: additional_labels},epochs=50, batch_size=32)中的’main_input’、'aux_input’等，都是在在定义层时传递的一个 name 参数，即
model_loss = Lambda(yolo_loss, output_shape=(1,), name=‘yolo_loss’,
arguments={‘anchors’: anchors, ‘num_classes’: num_classes, ‘ignore_thresh’: 0.5})(
[*model_body.output, *y_true]) 中的name=‘yolo_loss’ 。

if True: model.compile(optimizer=Adam(lr=1e-3), loss={ # use custom yolo_loss Lambda layer. 'yolo_loss': lambda y_true, y_pred: y_pred})