Regression from [x,y,w,h] to [x,y,s,r] （ratioNet）

出发点：为什么不直接预测长度和比例使anchor更加方便？ $$\begin{gathered} scale=\sqrt{w\ast h} \\ ratio=\sqrt{\frac{w}{h}} \end{gathered}$$

Experiment Result

先来看结果，采用了yolo v1 作为基本网络，使用VOC2007+VOC2012作为数据集进行实验

原生yolov1ratioNet0-0.480220-0.462271-0.333321-0.2003520.15677420.03957230.32596730.15962740.36416140.21112850.43054350.22696460.44276560.21186570.49644170.25723380.50885980.2621390.53076290.273801100.544456100.282887

很可惜我对于训练的可视化不太熟悉，没有及时保存，但是在训练的过程中，我发现使用ratioNet的loss在2左右，而原生yolov1则在2~3附近

Analysis

并且这几天在实验室和其他人的交流中我发现一点，loss低并不代表mAP就高，在我的直觉上，这应该是一个十分自然的事情，loss包含了定位的损失，分类的损失，如果loss低那么自然而然(不知道这还能不能叫做自然而然)，mAP就会相应的高，从这个角度上，我提出的想法是：

单单测试定位精度、分类精度人工查看预测的坐标与相应的groundtruth的比较是否系数、坐标转换正确

以上三点是从这几个角度来想的：

mAP的计算是在IOU满足阈值的情况查看分类结果，那么mAP低可能就有两种原因引起，一种是检测框的IOU阈值过小，另一种分类框判断的类别是有限的。

第二点的看法其实不是从这个实验上的出来的，是在做HRSC2016数据集测试的时候，数据集由师兄提供，正确的数据集的一个目标应为[position classname difficult]，而师兄可能在考虑到HRSC2016只有一个类别，把数据修改为了[position imagename difficult]这导致了代码中判断类别是否一致的出错，导致我的mAP始终为零。但上述查找代码是我先自行比对了预测框和真实框的坐标，发现其实很接近，按理说不会出现mAP为零的情况，于是进行排查发现了这一类问题。

在这个实验中，我对这一块排查时间最久，毕竟我进行修改的就是这一模块，改多错多，因此无限的进行排查，总的来说是这么几个心得

修改代码前，应把修改的地方记录，既方便排查也不会重复的去找几个工作我的想法不能work的原因，我觉得是提出的ratio包含除法，我觉得这是一个需要谨慎使用的操作，因为除法可能导致inf,nan的出现，在实验过程中没有进行排查，是在之后输出数据的时候才发现的在本次实验中，loss还是常见的L2损失，但是如果在之后涉及到了求导方式的改变，可能更需要注意吧

Conclusion

从实验方面来讲，还是对整体的模型不熟悉，经常反复地在模型和数据加载中切换调试，浪费时间，需减少这一类问题(实验记录很重要吧，还有问题考虑要周全)实验其实还是不充分的，目前来讲为什么ratio的想法不work，是因为在IOU计算的时候转换带来了精度的误差，自我感觉这还不如直接预测w、h来的痛快（但是没有充分的证据说明为啥不work \心累.jpg）从自我感觉IOU限制了模型的角度来看，问题是mAP的计算就会涉及到IOU，也许应该从L2 loss上进行修改，在loss上说明w,h的劣势，突出预测ratio和scale的优点

End

这个实验大概做了一个礼拜吧，其实还有很多没做的东西，有兴趣的同学可以告诉我可以把实验补充上，或者把创新点在做的更有意思一点。

Ps. 读研不简单，能找到合适的工作就去吧，逐渐围城的时代安逸最重要了

提出一个idea（别人哪里不好，或者叠加别人的idea）实验（一定要记录做了啥！）分析（为什么work为什么不work）

每一步都很关键吧，我觉得写下来自己也能长点记性，本来这么一个实验不需要一个礼拜的，还是走了挺多弯路的，

就这。

希望有更多的志同道合之人吧