公司网站建设优点,上海网站建设哪里便宜,专业的网站建设服务商,旅游网站建设目的✅ YOLOv3 训练与推理流程详解
一、前言
YOLOv3 是目标检测领域的重要模型之一#xff0c;其核心思想是#xff1a;
使用多尺度预测提升小目标检测能力#xff1b;使用 anchor boxes 提升边界框匹配合理性#xff1b;单阶段结构实现高效实时检测#xff1b;
本文将通过…✅ YOLOv3 训练与推理流程详解
一、前言
YOLOv3 是目标检测领域的重要模型之一其核心思想是
使用多尺度预测提升小目标检测能力使用 anchor boxes 提升边界框匹配合理性单阶段结构实现高效实时检测
本文将通过一个实际数据样例带你一步步走过 YOLOv3 的训练和推理过程。 二、假设的数据集样例
我们构造一个小型的真实数据集样例用于说明训练与推理流程 数据集描述
图像尺寸416 × 416类别数量2 类person, carAnchor Boxes 数量9 个每层 3 个标注格式PASCAL VOC XML归一化坐标 示例图像标注ground truth
objectnameperson/namebndboxxmin100/xminymin150/yminxmax200/xmaxymax300/ymax/bndbox
/objectobjectnamecar/namebndboxxmin250/xminymin100/yminxmax350/xmaxymax200/ymax/bndbox
/object三、YOLOv3 的训练流程详解
✅ 来源依据
YOLOv3: An Incremental Improvement (CVPR 2018)AlexeyAB/darknet 开源实现 ⚙️ Step 1: 数据预处理 输入图像处理
调整为固定大小416 × 416归一化像素值到 [0, 1] 区间 边界框处理
将 (xmin, ymin, xmax, ymax) 转换为 (x_center, y_center, width, height)并归一化到 [0, 1]示例转换结果image_size 416
person_bbox [150 / 416, 225 / 416, 100 / 416, 150 / 416] # x_center, y_center, w, h
car_bbox [300 / 416, 150 / 416, 100 / 416, 100 / 416]⚙️ Step 2: Anchor Box 分配正样本划分 原理回顾
YOLOv3 使用 K-Means 对 COCO 数据集中的真实框聚类得到的 9 个 anchors按层级分配如下
层级Anchors大目标13×13[116×90, 156×198, 373×326]中目标26×26[30×61, 62×45, 59×119]小目标52×52[10×13, 16×30, 33×23] 示例 anchor 匹配逻辑
对每个 ground truth 框计算其与所有 anchor 的 IoU并选择 IoU 最大的那个作为正样本。
from yolov3.utils import compute_iou, match_anchor_to_gtanchors [(10, 13), (16, 30), (33, 23),(30, 61), (62, 45), (59, 119),(116, 90), (156, 198), (373, 326)]gt_boxes [[0.36, 0.54, 0.24, 0.36], # person[0.72, 0.36, 0.24, 0.24]] # carpositive_anchors match_anchor_to_gt(gt_boxes, anchors)输出示例简化表示
[{anchor_idx: 0, layer: 2, grid_cell: (26, 26)}, # person → 小目标层 anchor 0{anchor_idx: 4, layer: 1, grid_cell: (18, 9)} # car → 中目标层 anchor 4
]⚙️ Step 3: 构建训练标签Label Assignment
YOLOv3 的输出是一个三维张量
[batch_size, H, W, (B × (5 C))]其中
H × W特征图大小如 13×13B 3每个位置预测的 bounding box 数量5 C每个 bounding box 的参数tx, ty, tw, th, confidence, class_probs 示例标签构建
对于 person 和 car 各一个目标生成三个层级的 label
label_13x13 np.zeros((13, 13, 3, 5 2))
label_26x26 np.zeros((26, 26, 3, 5 2))
label_52x52 np.zeros((52, 52, 3, 5 2))# 在 person 对应的 grid cell 和 anchor 上填充真实值
label_52x52[26, 26, 0, :4] [0.36, 0.54, 0.24, 0.36] # tx, ty, tw, th
label_52x52[26, 26, 0, 4] 1.0 # confidence
label_52x52[26, 26, 0, 5] 1.0 # person 类别置信度# 在 car 对应的 grid cell 和 anchor 上填充真实值
label_26x26[18, 9, 1, :4] [0.72, 0.36, 0.24, 0.24]
label_26x26[18, 9, 1, 4] 1.0
label_26x26[18, 9, 1, 6] 1.0 # car 类别置信度⚙️ Step 4: 损失函数计算
YOLOv3 的损失函数由三部分组成
1. 定位损失Localization Loss
仅对正样本计算 L l o c λ c o o r d ∑ ( tx , ty , tw , th ) 2 \mathcal{L}_{loc} \lambda_{coord} \sum (\text{tx}, \text{ty}, \text{tw}, \text{th})^2 Llocλcoord∑(tx,ty,tw,th)2
2. 置信度损失Confidence Loss
对正样本和负样本分别计算 L c o n f ∑ p o s ( confidence − 1 ) 2 λ n o o b j ∑ n e g ( confidence ) 2 \mathcal{L}_{conf} \sum_{pos} (\text{confidence} - 1)^2 \lambda_{noobj} \sum_{neg} (\text{confidence})^2 Lconfpos∑(confidence−1)2λnoobjneg∑(confidence)2
3. 分类损失Class Probability Loss
仅对正样本计算交叉熵或 BCELoss L c l s ∑ c 1 C ( p c − p ^ c ) 2 \mathcal{L}_{cls} \sum_{c1}^{C} (p_c - \hat{p}_c)^2 Lclsc1∑C(pc−p^c)2 四、YOLOv3 的推理流程详解
⚙️ Step 1: 图像输入与预处理
image cv2.imread(test.jpg)
resized_image cv2.resize(image, (416, 416)) / 255.0 # 归一化
input_tensor np.expand_dims(resized_image, axis0) # 添加 batch 维度⚙️ Step 2: 推理输出来自 Darknet 或 PyTorch 模型
模型输出三个层级的预测结果
output_13x13 model.predict(input_tensor)[0] # shape: (13, 13, 255)
output_26x26 model.predict(input_tensor)[1] # shape: (26, 26, 255)
output_52x52 model.predict(input_tensor)[2] # shape: (52, 52, 255)每个 bounding box 的输出格式为
(tx, ty, tw, th, confidence, class_0, class_1)⚙️ Step 3: 解码 bounding box
使用以下公式将网络输出解码为图像空间中的绝对坐标 b x σ ( t x ) c x b y σ ( t y ) c y b w p w ⋅ e t w b h p h ⋅ e t h b_x \sigma(t_x) c_x \\ b_y \sigma(t_y) c_y \\ b_w p_w \cdot e^{t_w} \\ b_h p_h \cdot e^{t_h} bxσ(tx)cxbyσ(ty)cybwpw⋅etwbhph⋅eth
其中 ( c x , c y ) (c_x, c_y) (cx,cy)当前 grid cell 左上角坐标归一化后 ( p w , p h ) (p_w, p_h) (pw,ph)对应 anchor 的宽高归一化后 示例解码伪代码
def decode_box(output_tensor, anchors):num_anchors len(anchors)bboxes []for i in range(output_tensor.shape[0]):for j in range(output_tensor.shape[1]):for k in range(num_anchors):tx, ty, tw, th output_tensor[i, j, k*85:(k1)*85][:4]conf output_tensor[i, j, k*854]class_probs output_tensor[i, j, k*855:k*857]# 解码bx sigmoid(tx) j * stride_xby sigmoid(ty) i * stride_ybw anchors[k][0] * exp(tw)bh anchors[k][1] * exp(th)# 归一化坐标转为图像空间坐标x1 (bx - bw/2) * image_sizey1 (by - bh/2) * image_sizex2 (bx bw/2) * image_sizey2 (by bh/2) * image_sizebboxes.append([x1, y1, x2, y2, conf, class_probs])return bboxes⚙️ Step 4: 执行 NMSNon-Maximum Suppression 计算综合得分 score confidence × max ( class_probs ) \text{score} \text{confidence} \times \max(\text{class\_probs}) scoreconfidence×max(class_probs) 示例执行 NMSPyTorch
import torch
from torchvision.ops import nms# 假设 boxes 是 [N, 4]scores 是 [N]
keep_indices nms(boxes, scores, iou_threshold0.45)final_boxes boxes[keep_indices]
final_scores scores[keep_indices]
final_labels labels[keep_indices]五、YOLOv3 的完整训练与推理流程总结
阶段内容✅ 输入图像416 × 416 × 3 RGB 图像✅ 数据增强随机缩放、翻转、HSV扰动等✅ 正样本划分anchor 与 GT IoU 最大者为正样本✅ 输出结构三层输出13×13、26×26、52×52✅ 损失函数BCE Loss IoU Loss可选 GIoU/DIoU✅ NMS默认使用 greedynms阈值 0.45✅ 推理输出每个 bounding box 包含 (x1, y1, x2, y2, score, label) 六、YOLOv3 的关键配置文件片段来自 .cfg 文件
[yolo]
mask 0,1,2
anchors 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes2
num9
jitter.3
ignore_thresh .5
truth_thresh 1
scale_x_y 1.05
iou_thresh0.213
iou_normalizer0.07✅ 这些配置项在 AlexeyAB/darknet 中真实存在影响 anchor 匹配、loss 计算、NMS 等流程。 七、YOLOv3 的性能表现来源官方测试数据
模型mAPCOCOFPSV100是否支持改进 IoUYOLOv3~33.0~45支持需手动配置YOLOv3-tiny~25.4~150不推荐用于复杂任务YOLOv3 DIoU~33.6~45✅ 支持YOLOv3 CIoU~33.9~45✅ 支持 八、YOLOv3 的局限性来自社区反馈
局限性说明❌ 不支持 Soft-NMS需要自定义修改❌ 不支持 Efficient NMS如 ONNXRuntime 的优化版本❌ anchor 设置固定新任务需重新聚类适配❌ 输出结构固定不适合直接部署到 ONNX 九、结语
YOLOv3 的训练与推理流程清晰、稳定且已在工业界广泛使用多年。它的设计虽然简洁但非常实用
Anchor Boxes 提升了召回率多尺度预测增强了小物体检测能力IoU 支持多种变体GIoU/DIoU/CIoUNMS 支持多种策略greedy / soft 欢迎点赞 收藏 关注我我会持续更新更多关于目标检测、YOLO系列、深度学习等内容
