YOLOv5目标构建与损失计算

YOLOv5目标构建与损失计算

YOLOv5作为单阶段目标检测的经典算法，其高效的检测性能离不开精心设计的训练目标构建和损失计算策略。本文将深入解析YOLOv5源码中build_targets目标构建函数和ComputeLoss损失计算类的实现原理，揭开模型优化背后的关键技术。详细代码参考 YOLOv5 Github项目代码。

构建目标

以下是添加构建训练目标代码：

def build_targets(self, p, targets):"""构建模型训练目标，从输入目标(image,class,x,y,w,h)准备损失计算所需的类别、边界框、索引和锚点Args:p (list): 模型预测输出，每个元素对应一个检测层的输出特征图targets (Tensor): 输入目标，形状为(nt, 6)，每行格式为(image_idx, class, x, y, w, h)Returns:tcls (list): 每个检测层对应的目标类别tbox (list): 每个检测层对应的目标边界框(相对于网格的xywh)indices (list): 每个检测层对应的(image_idx, anchor_idx, grid_y, grid_x)anch (list): 每个检测层对应的锚框尺寸"""# 获取锚点数量和目标数量na, nt = self.na, targets.shape[0]  # number of anchors, targetstcls, tbox, indices, anch = [], [], [], []  # 初始化类别、边界框、索引和锚点列表# 归一化增益，将目标坐标从归一化形式转换到网格空间gain = torch.ones(7, device=self.device)  # 7维对应(image_idx, class, x, y, w, h, anchor_idx)# 创建锚点索引，形状(na, nt)，用于标识每个目标对应的锚点ai = torch.arange(na, device=self.device).float().view(na, 1).repeat(1, nt)# 将目标重复na次，并添加锚点索引，形状变为(na, nt, 7)targets = torch.cat((targets.repeat(na, 1, 1), ai[..., None]), 2)# 设置网格偏移参数g = 0.5  # 偏移量阈值，用于中心点偏移判断off = torch.tensor(  # 定义5种偏移量（中心+四个方向）[[0, 0],    # 中心[1, 0],     # 右[0, 1],     # 下[-1, 0],    # 左[0, -1],    # 上],device=self.device,).float() * g  # 应用偏移系数# 遍历每个检测层（不同尺度的特征图）for i in range(self.nl):# 获取当前层的锚点尺寸和特征图形状anchors = self.anchors[i]  # 当前层锚点尺寸，形状(na, 2)shape = p[i].shape  # 预测特征图形状(batch_size, anchors, grid_y, grid_x, params)# 设置归一化增益（将xywh转换到当前特征图尺度）gain[2:6] = torch.tensor(shape)[[3, 2, 3, 2]]  # xyxy增益为特征图的宽高# 将目标坐标转换到当前特征图尺度t = targets * gain  # 形状(na, nt, 7)if nt:  # 存在目标时处理# 计算目标宽高与锚点宽高的比例r = t[..., 4:6] / anchors[:, None]  # wh比例，形状(na, nt, 2)# 筛选满足宽高比例阈值的锚点（最大比例小于hyp['anchor_t']）j = torch.max(r, 1 / r).max(2)[0] < self.hyp["anchor_t"]  # 形状(na, nt)t = t[j]  # 过滤后的目标，形状(nt1, 7)# 计算网格偏移量gxy = t[:, 2:4]  # 目标在特征图上的xy坐标，形状(nt1, 2)gxi = gain[[2, 3]] - gxy  # 反向坐标（用于边界判断）# 生成偏移掩码（判断是否需要向相邻网格分配目标）j, k = ((gxy % 1 < g) & (gxy > 1)).T  # 右、下方向偏移条件l, m = ((gxi % 1 < g) & (gxi > 1)).T  # 左、上方向偏移条件j = torch.stack((torch.ones_like(j), j, k, l, m))  # 合并所有条件，形状(5, nt1)# 扩展目标到5个偏移位置（中心+四个方向）t = t.repeat((5, 1, 1))[j]  # 形状(5, nt1, 7) -> (nt2, 7)offsets = (torch.zeros_like(gxy)[None] + off[:, None])[j]  # 对应偏移量，形状(nt2, 2)else:  # 无目标时处理t = targets[0]  # 取空目标offsets = 0  # 无偏移# 解包处理后的目标数据bc = t[:, :2]  # (image_idx, class)gxy = t[:, 2:4]  # 网格xy坐标gwh = t[:, 4:6]  # 网格wh尺寸a = t[:, 6]  # 锚点索引# 转换数据类型并拆分a = a.long().view(-1)  # 锚点索引转为长整型(b, c) = bc.long().T  # 图像索引和类别# 计算目标所在的网格坐标（考虑偏移）gij = (gxy - offsets).long()gi, gj = gij.T  # 分解为x,y坐标# 将网格坐标限制在特征图范围内gj = gj.clamp_(0, shape[2] - 1)gi = gi.clamp_(0, shape[3] - 1)# 存储当前层的信息indices.append((b, a, gj, gi))  # 图像索引、锚点索引、网格y,xtbox.append(torch.cat((gxy - gij, gwh), 1))  # 相对于网格的xy和原始whanch.append(anchors[a])  # 对应的锚点尺寸tcls.append(c)  # 目标类别return tcls, tbox, indices, anch

关键步骤解析：

1. 锚点匹配
   通过计算目标宽高与锚点宽高的比例，筛选出宽高比小于阈值anchor_t的锚点。这确保目标被分配到最合适尺寸的锚点。

2. 网格偏移处理
   当目标中心靠近网格边界时（偏移量g=0.5），将目标分配给相邻的网格。这增加了正样本数量，有助于模型学习。

3. 多尺度分配
   不同检测层（不同特征图尺度）处理不同大小的目标。通过gain将归一化坐标转换到对应特征图尺度，实现多尺度训练。

4. 数据格式转换
   最终输出的tbox存储相对于网格单元的坐标偏移和原始宽高，用于计算定位损失。indices则记录目标对应的位置信息，用于从预测结果中提取对应预测值。

该函数核心思想是将每个目标分配到最合适的特征图层、网格位置和锚点尺寸，同时考虑中心点偏移以增加匹配机会，最终构建用于计算分类和定位损失的训练目标。

计算损失

以下是添加详细注释后的YOLOv5损失计算代码：

class ComputeLoss:"""计算YOLOv5模型的总损失，包含分类损失、边界框损失和置信度损失"""sort_obj_iou = False  # 是否对目标IoU进行排序（默认关闭）def __init__(self, model, autobalance=False):"""初始化损失计算模块Args:model: 要计算损失的模型autobalance: 是否自动平衡各检测层的损失权重"""device = next(model.parameters()).device  # 获取模型所在设备h = model.hyp  # 获取超参数配置# 定义基础损失函数BCEcls = nn.BCEWithLogitsLoss(pos_weight=torch.tensor([h["cls_pw"]], device=device))  # 分类损失BCEobj = nn.BCEWithLogitsLoss(pos_weight=torch.tensor([h["obj_pw"]], device=device))  # 置信度损失# 标签平滑参数（正样本和负样本的平滑系数）self.cp, self.cn = smooth_BCE(eps=h.get("label_smoothing", 0.0))# Focal Loss配置（如果gamma>0则启用）g = h["fl_gamma"]if g > 0:BCEcls = FocalLoss(BCEcls, g)  # 分类Focal LossBCEobj = FocalLoss(BCEobj, g)  # 置信度Focal Loss# 获取模型Detect层m = de_parallel(model).model[-1]  # 获取最后一个模块（Detect）# 设置各检测层的损失平衡系数（不同尺度的特征图赋予不同权重）self.balance = {3: [4.0, 1.0, 0.4]}.get(m.nl, [4.0, 1.0, 0.25, 0.06, 0.02])  # P3-P7的默认系数self.ssi = list(m.stride).index(16) if autobalance else 0  # 用于自动平衡的参考层（stride=16的层）# 存储关键参数self.BCEcls = BCEclsself.BCEobj = BCEobjself.gr = 1.0  # IoU比例系数（用于混合标签）self.hyp = hself.autobalance = autobalanceself.na = m.na  # 每层的锚点数量self.nc = m.nc  # 类别数量self.nl = m.nl  # 检测层数量self.anchors = m.anchors  # 锚点尺寸self.device = devicedef __call__(self, p, targets):"""计算总损失Args:p: 模型预测输出列表，每个元素对应一个检测层的预测结果targets: 真实标签张量，形状为(nt, 6)，每行格式为(image_idx, class, x, y, w, h)Returns:(总损失, 各损失分量) 元组"""# 初始化各损失分量lcls = torch.zeros(1, device=self.device)  # 分类损失lbox = torch.zeros(1, device=self.device)  # 边界框损失lobj = torch.zeros(1, device=self.device)  # 置信度损失# 构建训练目标（关键步骤）tcls, tbox, indices, anchors = self.build_targets(p, targets)  # 获取匹配后的目标# 遍历每个检测层计算损失for i, pi in enumerate(p):  # i: 层索引, pi: 该层预测结果b, a, gj, gi = indices[i]  # 分解匹配结果：# b: 图片索引, a: 锚点索引# gj, gi: 网格y,x坐标tobj = torch.zeros(pi.shape[:4], dtype=pi.dtype, device=self.device)  # 初始化目标置信度张量n = b.shape[0]  # 当前层的目标数量if n:# 分解预测结果（使用split替代新版tensor_split以兼容旧版本）pxy, pwh, _, pcls = pi[b, a, gj, gi].split((2, 2, 1, self.nc), 1)# --------------------- 边界框回归损失计算 ---------------------# 解码预测框坐标（基于YOLOv5的改进解码方式）pxy = pxy.sigmoid() * 2 - 0.5  # 将xy预测值从(0,1)映射到(-0.5,1.5)pwh = (pwh.sigmoid() * 2) ** 2 * anchors[i]  # 将wh预测值从(0,4)映射到(0,4*anchor)pbox = torch.cat((pxy, pwh), 1)  # 组合成完整预测框(xywh格式)# 计算CIoU损失iou = bbox_iou(pbox, tbox[i], CIoU=True).squeeze()  # 形状(n,)lbox += (1.0 - iou).mean()  # 平均IoU损失# --------------------- 置信度目标生成 ---------------------iou = iou.detach().clamp(0).type(tobj.dtype)  # 分离计算图并确保非负if self.sort_obj_iou:  # 按IoU排序（可选）j = iou.argsort()b, a, gj, gi, iou = b[j], a[j], gj[j], gi[j], iou[j]if self.gr < 1:  # 混合真实标签和预测置信度（当gr=1时完全使用预测值）iou = (1.0 - self.gr) + self.gr * ioutobj[b, a, gj, gi] = iou  # 将IoU作为置信度目标# --------------------- 分类损失计算 ---------------------if self.nc > 1:  # 仅当类别数>1时计算分类损失t = torch.full_like(pcls, self.cn, device=self.device)  # 初始化目标为负样本t[range(n), tcls[i]] = self.cp  # 设置正样本位置lcls += self.BCEcls(pcls, t)  # 计算分类BCE损失# --------------------- 置信度损失计算 ---------------------obji = self.BCEobj(pi[..., 4], tobj)  # 置信度损失（pi[...,4]是原始预测值）lobj += obji * self.balance[i]  # 加权后的置信度损失if self.autobalance:  # 自动平衡各层损失权重self.balance[i] = self.balance[i] * 0.9999 + 0.0001 / obji.detach().item()# --------------------- 损失加权与整合 ---------------------if self.autobalance:  # 归一化平衡系数self.balance = [x / self.balance[self.ssi] for x in self.balance]lbox *= self.hyp["box"]  # 边界框损失加权lobj *= self.hyp["obj"]  # 置信度损失加权lcls *= self.hyp["cls"]  # 分类损失加权bs = tobj.shape[0]  # 获取batch size# 返回总损失和各损失分量（总损失乘以batch size）return (lbox + lobj + lcls) * bs, torch.cat((lbox, lobj, lcls)).detach()

关键实现细节解析

1. 预测框解码

   • XY坐标：通过sigmoid缩放至(0,1)后，乘以2减0.5，将中心点范围从网格中心的±0.5扩展到相邻网格（-0.5到1.5），增强对小目标的检测能力
   • WH尺寸：使用sigmoid的(0,4)次方缩放，保证预测框尺寸不超过4倍锚框尺寸，避免梯度爆炸

2. 损失自动平衡

   • 通过balance数组为不同检测层分配不同权重（浅层特征权重更高）
   • 当autobalance=True时，根据各层损失动态调整权重，使各层损失贡献均衡

3. 置信度目标生成

   • 使用预测框与真实框的IoU作为监督信号（tobj），而非固定1.0
   • 引入gr参数（梯度比率）实现标签平滑：iou = (1.0 - gr) + gr * iou

4. 分类标签平滑

   • 正样本标签值设为cp（如0.95），负样本设为cn（如0.05）
   • 缓解类别不平衡问题，防止模型过度自信

5. 多尺度训练策略

   • 不同检测层（P3-P5或P3-P7）处理不同尺度的目标
   • 通过balance参数平衡浅层（小目标）和深层（大目标）的损失贡献

各损失分量说明

损失类型	计算公式	作用说明
定位损失	(1 - CIoU)均值 × hyp[‘box’]	优化预测框的位置和尺寸准确性
置信度损失	BCE(obj_pred, scaled_iou) × hyp[‘obj’]	评估目标存在性置信度
分类损失	BCE(cls_pred, smoothed_labels) × hyp[‘cls’]	提高类别识别准确率

该实现通过动态目标分配、多尺度损失平衡和先进的IoU计算方式，有效提升了YOLOv5的检测性能。