YOLOv3 正负样本划分详解

✅ YOLOv3 正负样本划分详解

一、前言

在目标检测任务中，正负样本的划分 是训练过程中的关键环节。它决定了哪些预测框参与位置回归、分类损失和置信度损失。

YOLOv3 在 YOLOv2 的基础上引入了 多尺度预测 和 更精细的 Anchor Boxes 匹配策略，使得正样本的选择更加合理，提高了模型的召回率和定位精度。

本文将基于以下来源进行解析：

• YOLOv3: An Incremental Improvement (论文原文)
• AlexeyAB/darknet 开源实现

---

二、YOLOv3 的输出结构回顾

YOLOv3 输出三个不同层级的特征图，分别用于检测不同尺度的目标：

特征图大小	每个 cell 预测的 bounding box 数量	对应 anchor boxes
13×13	3	大目标
26×26	3	中目标
52×52	3	小目标

每个 bounding box 的输出维度为：

(tx, ty, tw, th, confidence, class_0, ..., class_C)

---

三、YOLOv3 的正负样本划分机制详解

✅ 核心思想：

YOLOv3 中的正样本由以下两个条件共同决定：

1. 该 bounding box 的 anchor 与 ground truth 的 IoU 最大
2. 该 bounding box 所属的 grid cell 包含物体中心点

注意：YOLOv3 不像 Faster R-CNN 使用 RoI Pooling 或 Proposal 机制，而是直接对每个 grid cell 的多个 anchor 进行匹配。

---

正样本划分流程如下（来自 Darknet 实现）：

Step 1: 获取所有 ground truth 框

ground_truth_boxes = [...]  # list of (x_center, y_center, w, h) 归一化坐标

Step 2: 遍历每个 ground truth 框

对于每个真实框：

1. 计算其相对于图像的归一化中心坐标；
2. 确定其落在哪个 grid cell；
3. 使用 K-Means 聚类得到的 9 个 anchors，计算每个 anchor 与该真实框的 IoU；
4. 找出 IoU 最大的那个 anchor；
5. 确定这个 anchor 属于哪个层级（13×13 / 26×26 / 52×52）；
6. 将该 anchor 所在的 bounding box 设为正样本；
7. 其余 anchor 若与该真实框的 IoU > iou_thresh（如 0.5），也设为正样本（可选）；

---

✅ 正样本选择规则总结：

条件	是否为正样本
anchor 与 GT 的 IoU 最大	✅ 强制标记为正样本
anchor 与 GT 的 IoU > iou_threshold（如 0.5）	✅ 可选标记为正样本
无任何 GT 与其重叠	❌ 负样本
仅部分重叠但不是最大匹配	❌ 忽略（不参与位置损失）

⚠️ 注意：只有负责预测真实框的 bounding box 才会参与位置回归（tx, ty, tw, th）和类别概率（class probs）的损失计算。

---

四、YOLOv3 中各类 loss 的作用对象

Loss 类型	作用对象
定位损失（Localization Loss）	正样本（负责预测的真实框）
置信度损失（Confidence Loss）	正样本 + 负样本
分类损失（Class Probability Loss）	正样本

---

五、具体示例说明

假设我们有以下数据：

• 图像尺寸：416 × 416
• Ground Truth Box：[0.5, 0.5, 0.2, 0.2]（归一化坐标）
• Anchor Boxes（对应 52×52 特征图）：

  anchors = [[10, 13], [16, 30], [33, 23]]  # 小目标 anchors
  

Step-by-step 划分逻辑：

1. 确定 GT 中心落在哪个 grid cell？

   • cell_x = floor(0.5 * 52) = 26
   • cell_y = floor(0.5 * 52) = 26

2. 计算每个 anchor 与 GT 的 IoU

   ious = [iou(anchor, gt_box) for anchor in anchors]
   best_anchor_idx = np.argmax(ious)
   

3. 标记该 anchor 对应的 bounding box 为正样本

   • 假设 best_anchor_idx = 0，则第 0 个 bounding box 被标记为正样本；
   • 该 bounding box 的位置信息 (tx, ty, tw, th) 将被监督学习；
   • confidence 设为 1；
   • class prob 设置为目标类别；

4. 其他 anchor 若与 GT 的 IoU > threshold（如 0.5），也可被标记为正样本（可选）

---

六、YOLOv3 中的负样本定义

✅ 负样本的判断标准：

• 该 bounding box 不负责预测任何真实框；
• 且与所有真实框的 IoU < threshold（通常为 0.5）；
• 只参与置信度损失（confidence loss），不参与位置和分类损失；

---

七、YOLOv3 中的 ignore 样本（非正非负）

✅ 定义：

• 与某个真实框的 IoU > threshold（如 0.5），但不是最大 IoU 的那个 bounding box；
• 被标记为“ignore”，即：
  • 不参与位置损失；
  • 不参与分类损失；
  • 参与置信度损失吗？取决于实现方式（Darknet 中默认不参与）；

---

八、YOLOv3 中的标签分配伪代码（简化版）

for each ground_truth in image:
    # Step 1: 确定 GT 中心所在的 grid cell
    cell_x = int(gt.x_center * feature_map_width)
    cell_y = int(gt.y_center * feature_map_height)

    # Step 2: 计算每个 anchor 与 GT 的 IoU
    ious_with_anchors = [bbox_iou(anchor, gt) for anchor in anchors]

    # Step 3: 找到 IoU 最大的 anchor
    best_anchor_index = np.argmax(ious_with_anchors)

    # Step 4: 标记该 anchor 为正样本
    y_true[cell_y, cell_x, best_anchor_index, ...] = {
        "tx": tx,
        "ty": ty,
        "tw": tw,
        "th": th,
        "confidence": 1,
        "class_prob": one_hot_label
    }

    # Step 5: （可选）IoU > threshold 的其他 anchor 也被标记为正样本
    for a in range(num_anchors):
        if ious_with_anchors[a] > ignore_thresh and a != best_anchor_index:
            y_true[cell_y, cell_x, a, ...] = {
                "confidence": 1,  # 仅置信度，不更新位置和类别
                ...
            }

---

九、YOLOv3 中的阈值设置（来自 darknet 源码）

在官方实现中，有两个关键参数影响正负样本划分：

参数名	含义	默认值
ignore_thresh	若 IoU > 该阈值，则忽略（不参与损失）	0.5
truth_thresh	若 IoU > 该阈值，则强制作为正样本	1.0（默认只使用最大 IoU 的 anchor）

注意：YOLOv3 默认只使用 IoU 最大的 anchor 作为正样本，其他高 IoU 的 anchor 并不参与训练。

---

十、YOLOv3 中的正负样本分布特点

维度	内容
✅ 正样本数量	每个真实框 → 至少一个正样本
❌ 负样本数量	无物体的 bounding box
ignore 样本	IoU > ignore_thresh 但非最大匹配
位置损失	仅正样本参与
置信度损失	正样本 + 负样本
分类损失	仅正样本参与

---

十一、YOLOv3 中的损失函数简要回顾

YOLOv3 的损失函数分为三个部分：

⚙️ 1. 定位损失（Localization Loss）

$${\mathcal{L}}_{loc}={\lambda }_{coord}\sum _{i=0}^{S^2}\sum _{j=0}^B{1}_{ij}^{obj}\left[(x_i-{\hat{x}}_i{)}^2+(y_i-{\hat{y}}_i{)}^2+(\sqrt{w_i}-\sqrt{{\hat{w}}_i}{)}^2+(\sqrt{h_i}-\sqrt{{\hat{h}}_i}{)}^2\right]$$

仅对正样本计算此部分损失。

---

⚙️ 2. 置信度损失（Confidence Loss）

$${\mathcal{L}}_{conf}=\sum _{i=0}^{S^2}\sum _{j=0}^B\left[1_{ij}^{obj}\cdot ({\text{confidence}}_i^j-{\widehat{\text{confidence}}}_i^j{)}^2+{\lambda }_{noobj}\cdot (1-1_{ij}^{obj})\cdot ({\text{confidence}}_i^j{)}^2\right]$$

所有 bounding box 都参与此项损失，但负样本权重较低。

---

⚙️ 3. 分类损失（Class Probability Loss）

$${\mathcal{L}}_{cls}=\sum _{i=0}^{S^2}\sum _{j=0}^B{1}_{ij}^{obj}\cdot \sum _{c\in \text{classes}}(p_i(c)-{\hat{p}}_i(c){)}^2$$

仅正样本参与分类损失。

---

十二、YOLOv3 的样本划分总结

样本类型	IoU 条件	是否参与位置损失	是否参与置信度损失	是否参与分类损失
正样本	IoU 最大 或 IoU > threshold（可选）	✅ 是	✅ 是	✅ 是
ignore 样本	IoU > threshold 但非最大	❌ 否	❌ 否（Darknet 默认不参与）	❌ 否
负样本	IoU < threshold	❌ 否	✅ 是（降低 confidence）	❌ 否

---

十三、结语

YOLOv3 的正负样本划分机制相比 YOLOv2 更加精细，主要体现在：

• 引入多尺度预测，提升小目标召回；
• 使用 anchor boxes 提升边界框匹配合理性；
• 通过 IoU 匹配选择最合适的 bounding box；
• 保留传统做法（仅最大 IoU 为正样本），避免过拟合；
• 支持 ignore 阈值，防止低 IoU 框干扰训练；

---

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！