以yolov5s v3为例：
-
anchor长啥样及怎么得到的？
以下是yolov5 v3.0中的anchor
anchors:
1. [10,13, 16,30, 33,23] # P3/8 608/8=76
2. [30,61, 62,45, 59,119] # P4/16 608/16=38
3. [116,90, 156,198, 373,326] # P5/32 608/32=19
- 1
- 2
- 3
- 4
为啥anchor一共是3行呢？
答：这里指的是在三个不同分辨率的特征图上的anchor，能够分别对大、中、小目标进行计算。
第一行在最大的特征图上 ----小数值检测大的目标
第二行在第二大的特征图上
第三行在最小的特征图上----大数值检测小的目标
为啥anchor一行是六个数呢，xywh个数也不对啊？
这里就要说一下anchor是怎么生成的了。
-
对于输出层（Prediction），经过前面的一系列特征提取和计算操作后，会生成三个特定大小的特征，大小分别为608/8=76，608/16=38，608/32=19，可能这也是输入图像大小要求是32的倍数的原因。
-
下面是v5代码中采用kmeans计算anchor的过程。
path代表数据yaml路径，n代表聚类数，img_size代表模型输入图片的大小，thr代表长宽比的阈值（将长宽比限定在一定的范围内,这个可以自己统计一下数据集），gen代表kmeans迭代次数。
def kmean_anchors(path='./data/coco128.yaml', n=9, img_size=640, thr=4.0, gen=1000, verbose=True):
""" Creates kmeans-evolved anchors from training dataset
Arguments:
path: path to dataset *.yaml, or a loaded dataset
n: number of anchors
img_size: image size used for training
thr: anchor-label wh ratio threshold hyperparameter hyp['anchor_t'] used for training, default=4.0
gen: generations to evolve anchors using genetic algorithm
Return:
k: kmeans evolved anchors
Usage:
from utils.general import *; _ = kmean_anchors()
"""
thr = 1. / thr
def metric(k, wh): # compute metrics
r = wh[:, None] / k[None]
x = torch.min(r, 1. / r).min(2)[0] # ratio metric
# x = wh_iou(wh, torch.tensor(k)) # iou metric
return x, x.max(1)[0] # x, best_x
def fitness(k): # mutation fitness
_, best = metric(torch.tensor(k, dtype=torch.float32), wh)
return (best * (best > thr).float()).mean() # fitness
def print_results(k):
k = k[np.argsort(k.prod(1))] # sort small to large
x, best = metric(k, wh0)
bpr, aat = (best > thr).float().mean(), (x > thr).float().mean() * n # best possible recall, anch > thr
print('thr=%.2f: %.4f best possible recall, %.2f anchors past thr' % (thr, bpr, aat))
print('n=%g, img_size=%s, metric_all=%.3f/%.3f-mean/best, past_thr=%.3f-mean: ' %
(n, img_size, x.mean(), best.mean(), x[x > thr].mean()), end='')
for i, x in enumerate(k):
print('%i,%i' % (round(x[0]), round(x[1])), end=', ' if i < len(k) - 1 else '\n') # use in *.cfg
return k
if isinstance(path, str): # *.yaml file
with open(path) as f:
data_dict = yaml.load(f, Loader=yaml.FullLoader) # model dict
from utils.datasets import LoadImagesAndLabels
dataset = LoadImagesAndLabels(data_dict['train'], augment=True, rect=True)
else:
dataset = path # dataset
# Get label wh
shapes = img_size * dataset.shapes / dataset.shapes.max(1, keepdims=True)
wh0 = np.concatenate([l[:, 3:5] * s for s, l in zip(shapes, dataset.labels)]) # wh
# Filter
i = (wh0 < 3.0).any(1).sum()
if i:
print('WARNING: Extremely small objects found. '
'%g of %g labels are < 3 pixels in width or height.' % (i, len(wh0)))
wh = wh0[(wh0 >= 2.0).any(1)] # filter > 2 pixels
# Kmeans calculation
print('Running kmeans for %g anchors on %g points...' % (n, len(wh)))
s = wh.std(0) # sigmas for whitening
k, dist = kmeans(wh / s, n, iter=30) # points, mean distance
k *= s
wh = torch.tensor(wh, dtype=torch.float32) # filtered
wh0 = torch.tensor(wh0, dtype=torch.float32) # unflitered
k = print_results(k)
# Plot
# k, d = [None] * 20, [None] * 20
# for i in tqdm(range(1, 21)):
# k[i-1], d[i-1] = kmeans(wh / s, i) # points, mean distance
# fig, ax = plt.subplots(1, 2, figsize=(14, 7))
# ax = ax.ravel()
# ax[0].plot(np.arange(1, 21), np.array(d) ** 2, marker='.')
# fig, ax = plt.subplots(1, 2, figsize=(14, 7)) # plot wh
# ax[0].hist(wh[wh[:, 0]<100, 0],400)
# ax[1].hist(wh[wh[:, 1]<100, 1],400)
# fig.tight_layout()
# fig.savefig('wh.png', dpi=200)
# Evolve
npr = np.random
f, sh, mp, s = fitness(k), k.shape, 0.9, 0.1 # fitness, generations, mutation prob, sigma
pbar = tqdm(range(gen), desc='Evolving anchors with Genetic Algorithm') # progress bar
for _ in pbar:
v = np.ones(sh)
while (v == 1).all(): # mutate until a change occurs (prevent duplicates)
v = ((npr.random(sh) < mp) * npr.random() * npr.randn(*sh) * s + 1).clip(0.3, 3.0)
kg = (k.copy() * v).clip(min=2.0)
fg = fitness(kg)
if fg > f:
f, k = fg, kg.copy()
pbar.desc = 'Evolving anchors with Genetic Algorithm: fitness = %.4f' % f
if verbose:
print_results(k)
return print_results(k)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
上面的计算过程相当于将我画的长宽比先转化到resize640大小的长宽比下，再进行聚类，得到9个聚类中心，每个聚类中心包含（x，y）坐标就是我们需要的anchor如下：
134,38, 172,35, 135,48, 175,43, 209,38, 174,62, 254,69, 314,82, 373,95
- 1
将其放入list
#anchors:
#1. [10,13, 16,30, 33,23] # P3/8 608/8=76
#2. [30,61, 62,45, 59,119] # P4/16 608/16=38
#3. [116,90, 156,198, 373,326] # P5/32 608/32=19
1. [134,38,135,48,172,35] # P3/8 608/8=76
2. [174,62,175,43,209,38] # P4/16 608/16=38
3. [254,69,314,82,373,95] # P5/32 608/32=19
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
这里的thr其实是和hyp.scratch.yaml文件中的anchor_t一样，代表了anchor放大的scale，我的标注框长宽比最大在8左右，因此设置为8。
检测模块
接下来就是anchor在模型中的应用了。这就涉及到了yolo系列目标框回归的过程了。
yolov5中的detect模块沿用了v3检测方式，这里就用这种方式来阐述了。
1.检测到的不是框，是偏移量。
tx,ty指的是针对所在grid的左上角坐标的偏移量
tw,th指的是相对于anchor的宽高的偏移量
- 1
- 2
通过如下图的计算方式，得到bx,by,bw,bh就是最终的检测结果。
2. 前面经过backbone，neck, head是panet的三个分支，可见特征图size不同，每个特征图分了13个网格，同一尺度的特征图对应了3个anchor，检测了[c,x,y,w,h]和num_class个的one-hot类别标签。3个尺度的特征图，总共就有9个anchor。
-
用多个anchor去负责一个GT。方法是：对于 GT-j 来说，只要
IoU (anchor-i, GT-j) > threshold ，就让 anchor-i 去负责 GT-j 。 -
ioul loss 这里采用的是GIOU loss。
-
加了nonautoanchor参数，可以控制要不要重新算anchor，还是用默认的就好。
代码中的具体方法，loss函数的具体过程待补充。。。
评论记录：
回复评论：