YimianDai

YOLO v1

YOLO 太典型的 one-stage method，可谓简单粗暴

放弃了 Region Proposal，直接划分为 S * S 个grid

YimianDai

Contents

• General CV
  • Model
    • Operator
    • Image Classification
    • Object Detection
    • Image Segmentation

• Outlier Detection

YimianDai

Localization vs Detection

Localization 虽说都要给出 Bounding Box，但是不同于 Detection 有专门的 Detection 数据集，Localization 用的还是 Classification 的数据集，也就是每幅图像中只有一个占据主要区域面积的物体，而 Detection 的数据集中一幅图像内可以有任意多个物体，也可以没有。

ICLR-2014-Overfeat 那篇论文提到了两者的区别。

Loss vs Metric

1. Loss 要可微分，这样才可以做 SGD；Metric 则没有这个要求

YimianDai

SoftmaxCrossEntropyLoss

__init__

    def __init__(self, sparse_label=True, batch_axis=0, ignore_label=-1,
                 size_average=True, **kwargs):

YimianDai

YimianDai

首先需要明确的是 MixupDetection 这个类是在 VOCDetection 类之上的一个 wrapper，因为 mixup 这个技巧/方法可以简单的认为是一个 Data Augmentation 的手段。传统的 Data Augmentation 手段：裁剪、翻转 / 旋转、尺度变化，mixup 的做法在于将两幅图像按照随机权重相加。

MixupDetection 的实现考虑了两幅图像的大小可能是不同的，因此 mixup 后的图像为最大的图像，因此代码中 mixup 图像由下得到

        height = max(img1.shape[0], img2.shape[0])
        width = max(img1.shape[1], img2.shape[1])
        mix_img = mx.nd.zeros(shape=(height, width, 3), dtype='float32')

YimianDai

步骤

Part 1 - Local Repo Config

1. 先 Fork 感兴趣项目，即 dmlc/gluon-cv
2. Clone 到本地，git clone [email protected]:YimianDai/gluon-cv.git
3. 添加源项目 dmlc/gluon-cv 作为 upstream 源，git remote add upstream https://github.com/dmlc/gluon-cv.git
4. 禁止直接向 upstream 源 push，因为我们不是 dmlc 的人，没有 push 的权限，要提交代码必须通过 Pull Request，git remote set-url --push upstream no_push
5. 创建并切换到本地的新分支 fixMixSoftmaxCrossEntropyLoss，git checkout -b fixMixSoftmaxCrossEntropyLoss

YimianDai

MixSoftmaxCrossEntropyLoss

介绍说是 MixSoftmaxCrossEntropyLoss 就是 SoftmaxCrossEntropyLoss2D with Auxiliary Loss，但事实上感觉不止于此。

_aux_forward 和 _aux_mixup_forward 的区别在于，_aux_forward 计算 Loss 是调用的 SoftmaxCrossEntropyLoss，而 _aux_mixup_forward 调用的是 _mixup_forward。那么 _mixup_forward 同普通的 SoftmaxCrossEntropyLoss 有什么区别呢？

_mixup_forward 中的 label1 和 label2 分别指什么？ 这里的 mixup 是指 mixup: Beyond Empirical Risk Minimization 这篇论文里的内容。目标检测任务的优化策略 tricks 中有很形象的插图说明。

YimianDai

Numpy 和 MXNet 里的的 NDArray 里面的 axis 是和 MATLAB 一样都是列优先的，所以 axis = 0 是每列每列来，axis = 1 则是每行每行来。

NumPy 支持逻辑索引，而 MXNet 的 NDArray 不支持，因此如果要做逻辑索引，需要将其转成 Numpy 数组。

1. Data
   • Dataset
     • Dataset
     • MixupDetection

• Data Transform

YimianDai

Toolbox 既是一种 Blessing，可以让一知半解的我们迅速上手，同时也是一种 Curse，需要考虑很多细节。一点关于 gluon-cv/scripts/segmentation/train.py 的笔记。

• parse_args
  • model
  • dataset
  • training hyper params
  • cuda and logging
  • checking point
  • evaluation only