Deep learning 关于视网膜神经的困惑
我最近一直在学习视网膜网。我读了原稿和一些相关的文章，并写了一篇分享我所学到的东西的帖子：。然而，我仍然有一些困惑，我在帖子中也指出了这一点。谁能给我点化一下吗 混乱#1 如本文所示，如果具有任何地面真实值的IoU低于0.4，则将锚定框分配给背景。在这种情况下，对应的分类目标标签应该是什么（假设有K个类） 我知道SSD有一个背景类（总的来说是K+1类），而YOLO预测一个置信度得分，除了K类概率外，还指示盒子中是否有对象（不是背景）或没有对象（背景）。虽然我在论文中没有发现任何声明表明RetinaNet包含一个背景类，但我确实看到了这样的声明：“…，我们只解码来自…的框预测，将检测器置信度阈值设置为0.05”，这似乎表明存在置信度得分的预测。但是，该分数来自何处（因为分类子网只输出表示K类概率的K个数字） 如果RetinaNet定义的目标标签不同于SSD或YOLO，那么我会假设目标是一个长度为K的向量，包含所有0个条目，没有1个条目。然而，在这种情况下，如果是假阴性，焦点损失（见下面的定义）将如何惩罚锚 在哪里 混乱#2 与许多其他检测器不同，视网膜网使用类不可知的边界盒回归器，最后一层分类子网的激活是sigmoid激活。这是否意味着一个锚箱可以同时预测不同类别的多个对象 混乱#3 让我们将这些匹配的锚盒和地面真相盒对表示为${（A^i，G^i）}{i=1，…N}$，其中$A$表示锚，$G$表示地面真相，$N$表示匹配数 对于每个匹配的锚，回归子网预测四个数字，我们表示为$p^i=（p^i\u x，p^i\u y，p^i\u w，p^i\u h）$。前两个数字指定锚点$A^i$和地面真相$G^i$中心之间的偏移，而后两个数字指定锚点的宽度/高度和地面真相之间的偏移。相应地，对于这些预测中的每一个，都有一个回归目标$T^i$，计算为锚和地面真相之间的偏移量： 上述方程式正确吗 非常感谢，请随时在帖子中指出任何其他误解 更新： 作为将来的参考，我在学习视网膜网时遇到了另一个困惑（我发现这段对话很轻松）：Deep learning 关于视网膜神经的困惑,deep-learning,computer-vision,object-detection,Deep Learning,Computer Vision,Object Detection,我最近一直在学习视网膜网。我读了原稿和一些相关的文章，并写了一篇分享我所学到的东西的帖子：。然而，我仍然有一些困惑，我在帖子中也指出了这一点。谁能给我点化一下吗 混乱#1 如本文所示，如果具有任何地面真实值的IoU低于0.4，则将锚定框分配给背景。在这种情况下，对应的分类目标标签应该是什么（假设有K个类） 我知道SSD有一个背景类（总的来说是K+1类），而YOLO预测一个置信度得分，除了K类概率外，还指示盒子中是否有对象（不是背景）或没有对象（背景）。虽然我在论文中没有发现任何声明表明Retin
我是开源视网膜网项目的作者之一。我会尽力回答你的问题 混乱#1 一般来说，物体检测器中有两种常用的分类分数方法，要么使用softmax，要么使用sigmoid 如果使用softmax，目标值应始终为一个热向量，这意味着如果没有对象，则应将其“分类”为背景（意味着需要背景类）。这样做的好处是，你的班级总成绩为1分 如果您使用sigmoid，则约束更少。在我看来，这有两个好处，您不需要背景类（这使实现更干净），并且它允许网络进行多类分类（虽然我们的实现不支持它，但理论上是可能的）。另外一个小小的好处是，您的网络稍微小一些，因为与softmax相比，它需要少分类一个类，尽管这可能是可以忽略的 在实现retinanet的早期，我们使用了softmax，因为它的遗留代码来自。我联系了Focal Loss paper的作者，询问他softmax/sigmoid的情况。他的回答是，这是个人喜好的问题，使用其中一种或另一种并不重要。由于所提到的乙状结肠的好处，这也是我个人的偏好 但是，该分数来自何处（因为分类子网只输出表示K类概率的K个数字） 每个类分数都被视为自己的对象，但对于一个锚，它们都共享相同的回归值。如果类分数高于该阈值（我很确定这是任意选择的），它将被视为候选对象 如果RetinaNet定义的目标标签不同于SSD或YOLO，那么我会假设目标是一个长度为K的向量，包含所有0个条目，没有1个条目。然而，在这种情况下，如果是假阴性，焦点损失（见下面的定义）将如何惩罚锚 负片被归类为只包含零的向量。正片通过一个热向量进行分类。假设预测是一个全零向量，但目标是一个单热向量（换句话说，假阴性），那么
p\t宽度高度A_xA_yT_xT_y