Anchor Free系列模型11

2021SC@SDUSC
CenterNet之loss计算代码解析（接上文）
代码解析
来自train.py中第173行开始进行loss计算：

# 得到heat map, reg, wh 三个变量
hmap, regs, w_h_ = zip(*outputs)regs = [
_tranpose_and_gather_feature(r, batch['inds']) for r in regs
]
w_h_ = [
_tranpose_and_gather_feature(r, batch['inds']) for r in w_h_
]# 分别计算loss
hmap_loss = _neg_loss(hmap, batch['hmap'])
reg_loss = _reg_loss(regs, batch['regs'], batch['ind_masks'])
w_h_loss = _reg_loss(w_h_, batch['w_h_'], batch['ind_masks'])# 进行loss加权，得到最终loss
loss = hmap_loss + 1 * reg_loss + 0.1 * w_h_loss

上述transpose_and_gather_feature函数具体实现如下，主要功能是将ground truth中计算得到的对应中心点的值获取。

def _tranpose_and_gather_feature(feat, ind):# ind代表的是ground truth中设置的存在目标点的下角标feat = feat.permute(0, 2, 3, 1).contiguous()# from [bs c h w] to [bs, h, w, c] feat = feat.view(feat.size(0), -1, feat.size(3)) # to [bs, wxh, c]feat = _gather_feature(feat, ind)return featdef _gather_feature(feat, ind, mask=None):# feat : [bs, wxh, c]dim = feat.size(2)# ind : [bs, index, c]ind = ind.unsqueeze(2).expand(ind.size(0), ind.size(1), dim)feat = feat.gather(1, ind) # 按照dim=1获取indif mask is not None:mask = mask.unsqueeze(2).expand_as(feat)feat = feat[mask]feat = feat.view(-1, dim)return feat

hmap loss代码
调用：hmap_loss = _neg_loss(hmap, batch[‘hmap’])

def _neg_loss(preds, targets):''' Modified focal loss. Exactly the same as CornerNet.Runs faster and costs a little bit more memoryArguments:preds (B x c x h x w)gt_regr (B x c x h x w)'''pos_inds = targets.eq(1).float()# heatmap为1的部分是正样本neg_inds = targets.lt(1).float()# 其他部分为负样本neg_weights = torch.pow(1 - targets, 4)# 对应(1-Yxyc)^4loss = 0for pred in preds: # 预测值# 约束在0-1之间pred = torch.clamp(torch.sigmoid(pred), min=1e-4, max=1 - 1e-4)pos_loss = torch.log(pred) * torch.pow(1 - pred, 2) * pos_indsneg_loss = torch.log(1 - pred) * torch.pow(pred,2) * neg_weights * neg_indsnum_pos = pos_inds.float().sum()pos_loss = pos_loss.sum()neg_loss = neg_loss.sum()if num_pos == 0:loss = loss - neg_loss # 只有负样本else:loss = loss - (pos_loss + neg_loss) / num_posreturn loss / len(preds)

代码和以上公式一一对应，pos代表正样本，neg代表负样本。
reg & wh loss代码
调用：reg_loss = reg_loss(regs, batch[‘regs’], batch[‘ind_masks’])
调用：w_h_loss = reg_loss(w_h, batch['w_h’], batch[‘ind_masks’])

def _reg_loss(regs, gt_regs, mask):mask = mask[:, :, None].expand_as(gt_regs).float()loss = sum(F.l1_loss(r * mask, gt_regs * mask, reduction='sum') /(mask.sum() + 1e-4) for r in regs)return loss / len(regs)

Anchor Free系列模型11相关推荐

目标检测 YOLO 系列模型
前言 YOLO (You Only Look Once) 系列模型追求实时目标检测,因此会在一定程度上牺牲精度,以实现更高的检测速度. 如果你对这篇文章感兴趣,可以点击「[访客必读 - 指引页]一文囊 ...
清华p-tuning | GPT也能做NLU？清华推出p-tuning方法解决GPT系列模型fine-tuning效果比BERT差问题
一.概述 title:GPT Understands, Too 论文地址:https://arxiv.org/abs/2103.10385 代码:https://github.com/THUDM/P- ...
今晚直播 |重磅！Anchor Free系列算法强势来袭！
日常一问:风口上的"猪"--"Anchor Free"算法,飞起来了吗? 有没有飞起来另说,但是"Anchor Free"算法模型层出不穷, ...
GPT系列模型技术路径演进
目录前言 Transformer GPT-1 BERT GPT-2 GPT-3 InstructGPT/ChatGPT GPT-4 类ChatGPT产品 Google Bard(诗人) facebo ...
android11测试版下载,Find X2系列 Android 11 Beta1 测试版发布,你要尝试一下吗？
原标题:Find X2系列 Android 11 Beta1 测试版发布,你要尝试一下吗? 今年的特殊情况导致安卓11发布日期的一波三折,然而最后谷歌还是在6月11日发布了安卓Beta1版本.有趣的是 ...
Android 2.2 r1 API 中文文档系列（11） —— RadioButton
一.结构 public class RadioButton extends CompoundButton java.lang.Object android.view.View ...
bert中文预训练模型_HFL中文预训练系列模型已接入Transformers平台
哈工大讯飞联合实验室(HFL)在前期陆续发布了多个中文预训练模型,目前已成为最受欢迎的中文预训练资源之一.为了进一步方便广大用户的使用,借助Transformers平台可以更加便捷地调用已发布的中文预 ...
STM32 基础系列教程 11 – ADC 轮询
前言学习stm32 adc模数转换接口使用,学会用STM32对模拟信号时行采样,通过轮询模式得到ADC结果. 示例详解基于硬件平台: STM32F10C8T6最小系统板, MCU 的型号是 STM ...
mdkstc系列器件支持包下载_Find X2系列 Android 11 Beta1 测试版发布
OPPO Find X2系列 Android 11 Beta1 测试版已经发布了,诚邀软件开发者下载使用体验!该版本仅提供给开发者提前适配Android 11 Beta 1版本.版本存在已知风险,不保 ...

Anchor Free系列模型11

Anchor Free系列模型11相关推荐

最新文章

热门文章