我有一个疑问

[xuzheyuan624]

在代码的yolo_loss.py中的get_target函数中为什么是noobj_mask[b,anch_ious>ignore_threshold]=0，而不是noobj_mask[b,anch_ious>ignore_threshold,gi,gj]=0，不应该只在负责预测的网格上gt和anchor的overlap才可能超过阈值吗，如果你那样写岂不是所有网格的那个anchor在计算置信度损失的时候都被忽略了。

[ydixon]

Same question too. In fact I've seen multiple repo doing similar things. This repo is already easier to understand by separating conf_mask to noobj_mask and mask compared to other repos. Would love some input from @BobLiu20

[McDo]

试过noobj_mask[b,anch_ious>ignore_threshold,gi,gj]=0，conf_loss在训练过程中上下跳动的很大。我觉得有可能是由于confidence是shared weight，所以将cell[bs, best_n, gi, gj]的confidence weight调高的同时，其他cell的同一个confidence weight又被调低了。不知道否将shared confidence weight变成一个个独立的全连接weight可以解决这个问题。

[xuzheyuan624]

@McDo 我改过了..应该是[b, anch_ious>ignore_threshold, gj, gi]，不知道你是不是gi，gj反了...我改之前会检测出很多错误的框，很多背景的confidence都很高，应该就是因为这里很多负样本都没有计算进去，改过之后结果正常了许多。

[McDo]

@xuzheyuan624 确实是反了。。。我再试一下，太感谢你了

[jayden199012]

@xuzheyuan624 能请教一下为什么这里要算 ground truth 和 anchors 的 iou 吗？ 为什么不直接算pred 和 gt的 iou呢？

[zjuxwg0401]

@xuzheyuan624

我的问题和@jayden199012一样，这里计算把中心点对齐之后，算ground truth 和 anchors 的 iou 是为了得到最合适的anchor来回归，但是这个ignore_threshold又有什么用呐？不理解。

[xuzheyuan624]

@zjuxwg0401这个ignore_threshold是吧iou超过这个的不设为负样本，一减少正负样本间的不平衡。 @jayden199012 说的这个 我在我的代码里写成了每一次的pred box和gt的iou。

[zjuxwg0401]

@xuzheyuan624 你的yolo_loss的代码中，tconf[b,best_n,gj,gi]= best_conf, 而best_conf是预测框与真实框的iou，这里我不是很理解，我觉得tconf[b,best_n,gj,gi] = 1不是更合理吗，在对标签进行计算时，还用上了预测的信息，那刚开始训练时，还没有预测框时，那个tconf就没有意义了呀？觉得有点奇怪。

[zjuxwg0401]

我看了好几个yolo的代码，比如在https://github.com/zjuxwg0401/PyTorch-YOLOv3/blob/master/utils/utils.py中的 tcls[b, best_n, gj, gi, target_label] = 1 # 对应位置填1，与您的代码中不太一样，我觉得=1 好像更合理一点。您有什么看法？

[xuzheyuan624]

@zjuxwg0401 这里的代码是根据yolo9000中给的公式 P（object）*IOU（b，object）=sigma（t0） 有目标的时候P（object）=1，而且刚开始的时候预测框就是anchor 因为偏移量是以0初始化的。 这样是能够衡量不同预测框的置信程度，用预测框和gt的iou表示其需要回归的置信度。

[zjuxwg0401]

@zjuxwg0401 这里的代码是根据yolo9000中给的公式 P（object）*IOU（b，object）=sigma（t0） 有目标的时候P（object）=1，而且刚开始的时候预测框就是anchor 因为偏移量是以0初始化的。 这样是能够衡量不同预测框的置信程度，用预测框和gt的iou表示其需要回归的置信度。

谢谢，刚又看一下文章，理解了。在看您的代码时，发现loss中还有一项是a_loss，文章中好像没有呀？ 我微信号和QQ号都是276688034，可以加微信或QQ请教。

[xuzheyuan624]

@zjuxwg0401 之前有一点说错了，偏移量初始化并不是0，所以那个a_loss就是在前12800迭代时，希望学习到的预测框先全部接近anchor（也就是偏移量为0）。这里是根据源码里面是这样写的，当然我也是听一个读过源码的人说的 我才这样改的。但实际上这样子训练的时候并不稳定，loss太大会覆盖掉别的损失，所以我给它加了个0.1的系数。

[shanniruo]

@xuzheyuan624 你好，我看了你的代码，https://github.com/xuzheyuan624/yolov3-pytorch/blob/master/nets/yolo_loss.py#L146 感觉上对于每张图片，在yolo中，正样本的个数等于图片的物体的个数，这是不是太少了，是不是我的理解有误呢？