文章目录[隐藏]

1. 样本匹配正负样本划分过程

说明: gt_centerbbox是在gt_bbox中心点向四周发散的bbox, 中心点到该bbox四边的距离是 center_radius * expanded_strides_per_image

1. is_in_boxes:			[n_gt, n_anchor],	样本中心点是否落在各个gt_bbox里面
2. is_in_boxes_all:		[n_anchor], 		样本中心点是否至少落在1个gt_bbox里面
3. is_in_centers: 		[n_gt, n_anchor], 	样本中心点是否落在各个gt_centerbbox里面
4. is_in_centers_all:	[n_anchor], 		样本中心点是否至少落在1个gt_centerbbox里面
5. is_in_boxes_anchor = is_in_boxes_all | is_in_centers_all,
   [n_anchor], 满足至少落在1个gt_bboxes里面或者1个gt_centerbbox里面 
6.	is_in_boxes_and_center = (
		is_in_boxes[:, is_in_boxes_anchor] & is_in_centers[:, is_in_boxes_anchor]
	), [n_gt, n_anchor] True表示同时落在gt_bboxes和gt_centerbbox里面
(落在gt_centerbbox不是已经表示落在gt_bboxes里面吗?难道是gt_centerbbox可能超出gt_bboxes?)

n_pos = sum(is_in_boxes_anchor)
选出is_in_boxes_anchor==True的那些输出样本
===========以上是先根据feature map上每个像素点的坐标, 选出落在gt_bbox里面的像素点, 数量为n_pos, 再拿到 网络在这些像素点上的预测样本
===========下面进一步在这些预测样本(n_pos个)和gt_bboxes之间, 确定匹配关系, 找出哪些是正样本 哪些是负样本

7. pair_wise_cls_loss:	[n_gt, n_pos],	预测样本和gt_bboxes的两两cls loss, 用sqrt(cls_pred*obj_pred)作为预测得分, 得分越高该loss越小
8. pair_wise_ious_loss:	[n_gt, n_pos],	预测样本和gt_bboxes的两两iou loss, iou越大该loss越小
9.	cost = (
		pair_wise_cls_loss
		+ 3.0 * pair_wise_ious_loss
		+ 100000.0 * (~is_in_boxes_and_center)
	), 第三个表示如果anchor同时不落在gt_bboxes和gt_centerbbox里面则cost为100000
	毕竟如果不落在gt_bboxes和gt_centerbbox里就不可能分配为正样本的
10. Dynamic K();

Dynamic K()算法过程:
==

Dynamic K():
1. matching_matrix:		[n_gt, n_pos], 标记gt与样本的匹配关系, 初始化为全0矩阵
   n_candidate_k = 10
2. topk_ious:			[n_gt, n_candidate_k], 选出与gt的iou在topk【大】的样本(根据pair_wise_ious不是pair_wise_ious_loss)
3. dynamic_ks:			[n_gt], =max(topk_ious.sum(1), 1), 最小为1, 表示每个gt要选几个正样本
(参考如何评价旷视开源的YOLOX，效果超过YOLOv5? - 旷视科技的回答 - 知乎
https://www.zhihu.com/question/473350307/answer/2021031747, 这里说了“然后把这个 10 个预测与 gt 的 iou 加起来求得最终的k”)
4. for idx in range(num_gt): 对每个gt, 从cost[idx]选出cost值是top dynamic_ks[idx]【小】的样本, 这些样本被分配给该gt
5. 如果1个样本被分配给1个以上的gt, 则找出与该样本有最小cost的gt, 把该样本分配给这个gt
   到这里已经是每个gt有1个样本, 每个样本最多被分配给1个gt或者没分配
   分配到gt的样本就是正样本
6. 返回每个正样本的gt索引, gt类别, 以及样本与gt的iou

参考代码: https://github.com/Megvii-BaseDetection/YOLOX/blob/main/yolox/models/yolo_head.py

2. yoloxwarmcos 学习率

# 假设10个epoch，每个epoch有10个iters，
# warmup_epochs=2, no_aug_epochs=3,
# warmup_lr_start=0, min_lr_ratio=0.05

ys = []
for i in range(10*10):
    v = yolox_warm_cos_lr(
        lr=0.01,
        min_lr_ratio=0.05,
        total_iters=10*10,
        warmup_total_iters=10*2,
        warmup_lr_start=0,
        no_aug_iter=10*3,
        iters=i,
    )
    ys.append(v)

学习率曲线:

结论是：
前2个epochs, 学习率从0->0.01
第3个epochs->第7个epochs, 学习率从0.01->0.01*0.05
最后3个epochs, 学习率保持0.01*0.05=0.0005

另外,
Exp里面,
self.basic_lr_per_img = 0.01 / 64.0,
trainer.py里面:
self.lr_scheduler = self.exp.get_lr_scheduler(
self.exp.basic_lr_per_img * self.args.batch_size, self.max_iter
)
所以训练时的最大学习率是:
lr = self.exp.basic_lr_per_img * self.args.batch_size = 0.01*batch_size / 64.0