YoLo V3 SPP u模型的讲解与总结

一。mosaic图像增强

其实就是将多张图片给汇总到一起，在源码当中就是默认使用4张图片进行拼接，进行预测。
优点：

1. 增加数据的多样性
2. 增加目标个数
3. BN能一次性统计多张图片的参数（变相的增加了，输入一张图片其实就已经包含了4张图片的均值和方差信息。）

二。spp模块

在经过backbone（darknet53）之后，额外添加了一个spp机构。实现了不同特征的融合。

三。IOU LOSS

1.GIOU LOSS

• [ Ac：整个外界矩形的面积]
• [ U：代表的是并集部分的面积]

缺点：收敛慢，不能准确回归。

2.DIOU LOSS

DIOU的计算公式：

• [rou平方：欧式距离]
• [b：为预测边界框的中心点]
• [bgt：为真实边界框的中心点]
• [c：外接矩阵的]
  
  DIOU损失能够直接最小化两个boxes之间的距离，所以会收敛的快。

3.CIOU LOSS

定位损失应该考虑到3种几何参数：重叠面积，中心点距离，长宽比。

Focal Loss

未完待续。。。
参考自：
https://space.bilibili.com/18161609/channel/series