[人工智能]yolov3的正负样本分配策略mmdet代码详解

以mmdet代码为例，核心代码在YOLOANchorGenerator，GridAssigner，PseudoSampler，YOLOBBoxCoder中，正负样本分配在GridAssigner

输入是neck后，即fpn后的值，(8,512,19,19)，(8,256,38,38)，(8,128,76,76)，8是bs，输出是模型预测（8,21,19,19)，（8,21,38,38），（8,21,76,76），这里的21=3*7，3是anchor，7=4+1+2,4是xywh，1是边界框置信度，2是类别。

1.生成yolo中的anchor。AnchorGenerator.grid_prior

基于特征图上的0,0坐标点生成anchor，每个网格的左上角坐标都有三组anchor，映射回原图，一共有19*19*3,38*38*3,76*76*3=22743个anchor。

2.YOLOAnchorGenerator.responsible_flags

计算gt的中心所在的网格，yolo是中心点落在哪个网格，哪个网格的anchor负责预测gt。三张特征图上都计算中心点落在网格上的索引。

3.GridAssigner.assign

gt bbox和所有的anchor计算iou，gt bbox:15,4，anchor:22743,4

3.1 将最大iou小于0.5的iou索引置为0，将没有gt bbox中心位置的anchor iou强制设置为最小值为-1，

3.2.gt bbox中心落在A网格，但是最大iou对应的anchor不再A，在B，不允许出现这种情况，yolo是强制落在网格处才负责训练，用responsible_flags找索引，对于所有anchor中的每个位置，如果该位置和gt bbox的iou大于阈值，并且gt bbox中心点落在对应的anchor，iou大于阈值才会匹配，任何一个网格中心都有3个anchor，如果3个anchor的iou都大于阈值，都有可能匹配，

3.3 遍历每个gt，判断和它iou最大的anchor，大于0，保证每个gt一定有anchor匹配。

4.PseudoSampler.sample

pos_inds，neg_inds

5.YOLOBBoxCoder.encode

gt bbox的中心点和wh，anchor的中心点和wh，xywh编码，但是编码都是在stride的特征图上。其实预测的就是编码值。

6.loss