iT邦幫忙

2023 iThome 鐵人賽

DAY 27
0

接續作天,今天講訓練相關策略及方法

training

Matching strategy 匹配策略

利用jaccard overlap使ground truth 與 default box對應

  • 用ground truth匹配與其有最大 jaccard overlap 的 Default box
  • 讓每一個 ground truth 都有唯一的 Default box 對應
  • 完成上述工作後將剩餘的 Default boxes 與任一 ground truth 做匹配,若兩者的 jaccard overlap 大於閾值 (通常設定為 0.5),則將兩者配對
  • 由上述步驟所配對到的 Default boxes 就是正樣本,反之為負樣本(類似匹配背景)

Training objective 訓練目的

分類置信度損失 (confidence loss) 和位置損失 (localization loss) 的總和
https://ithelp.ithome.com.tw/upload/images/20231012/201632809ypqfQbxq3.png

N 為匹配的 Default boxes 總數、α 為調整權重的參數

Choosing scales and aspect ratios for default boxes 為默認邊界框選擇尺度和長寬比

https://ithelp.ithome.com.tw/upload/images/20231012/20163280xV0M469tpt.png

  • 每個 feature layer 預測一種規模,feature layer 上每個位置(cell )的default box 的長寬比(aspect ratio)不一樣,這就是 multi-scale 預測
  • ( b ) 和 ( c ) 代表不同的預測 feature layer,每個的 default box 的 scale 是不一樣的,同一個 feature layer 中的同一個位置處的 default box 的長寬比也不一樣
  • 這樣生成一系列 default box 之後,就有了預測 bounding box 的初始參考,最終的 bounding box 會在 default box 的基礎上產生偏移,它會產生很多的預測 bounding box,這些預測包含了不同尺寸和形狀的目標物體

如上圖,在 ( c ) 的 feature map 中只有狗(紅色框)是正樣本,這是因為不同的 feature map 負責預測的 scale 和 aspect ratio 是不同的,( b ) feature map 中只有貓(藍色框)是正樣本。

參考資料


上一篇
# Day26-Single Shot MultiBox Detector (SSD) part1
下一篇
Day28-Single Shot MultiBox Detector (SSD) part3
系列文
什麼演算法?一起來學機器學習!30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言