IOU loss function

Joseph Redmon

2015-04-24 989ab8c38a02fa7ea9c25108151736c62e81c972

IOU loss function

 src/darknet.c

@@ -93,6 +93,7 @@

int main(int argc, char **argv)
{
    //test_box();
    //test_convolutional_layer();
    if(argc < 2){
        fprintf(stderr, "usage: %s <function>\n", argv[0]);

 src/data.c

@@ -65,22 +65,22 @@
    return X;
}

typedef struct box{
typedef struct{
    int id;
    float x,y,w,h;
    float left, right, top, bottom;
} box;
} box_label;

box *read_boxes(char *filename, int *n)
box_label *read_boxes(char *filename, int *n)
{
    box *boxes = calloc(1, sizeof(box));
    box_label *boxes = calloc(1, sizeof(box_label));
    FILE *file = fopen(filename, "r");
    if(!file) file_error(filename);
    float x, y, h, w;
    int id;
    int count = 0;
    while(fscanf(file, "%d %f %f %f %f", &id, &x, &y, &w, &h) == 5){
        boxes = realloc(boxes, (count+1)*sizeof(box));
        boxes = realloc(boxes, (count+1)*sizeof(box_label));
        boxes[count].id = id;
        boxes[count].x = x;
        boxes[count].y = y;
@@ -97,11 +97,11 @@
    return boxes;
}

void randomize_boxes(box *b, int n)
void randomize_boxes(box_label *b, int n)
{
    int i;
    for(i = 0; i < n; ++i){
        box swap = b[i];
        box_label swap = b[i];
        int index = rand_r(&data_seed)%n;
        b[i] = b[index];
        b[index] = swap;
@@ -114,7 +114,7 @@
    labelpath = find_replace(labelpath, ".jpg", ".txt");
    labelpath = find_replace(labelpath, ".JPEG", ".txt");
    int count = 0;
    box *boxes = read_boxes(labelpath, &count);
    box_label *boxes = read_boxes(labelpath, &count);
    randomize_boxes(boxes, count);
    float x,y,w,h;
    float left, top, right, bot;
@@ -174,10 +174,10 @@
        if(background) truth[index++] = 0;
        truth[index+id] = 1;
        index += classes;
        truth[index++] = y;
        truth[index++] = x;
        truth[index++] = h;
        truth[index++] = y;
        truth[index++] = w;
        truth[index++] = h;
    }
    free(boxes);
}

 src/detection.c

@@ -81,9 +81,9 @@
    if (imgnet){
        plist = get_paths("/home/pjreddie/data/imagenet/det.train.list");
    }else{
        //plist = get_paths("/home/pjreddie/data/voc/trainall.txt");
        plist = get_paths("/home/pjreddie/data/voc/trainall.txt");
        //plist = get_paths("/home/pjreddie/data/coco/trainval.txt");
        plist = get_paths("/home/pjreddie/data/voc/all2007-2012.txt");
        //plist = get_paths("/home/pjreddie/data/voc/all2007-2012.txt");
    }
    paths = (char **)list_to_array(plist);
    pthread_t load_thread = load_data_detection_thread(imgs, paths, plist->size, classes, net.w, net.h, side, side, background, &buffer);
@@ -95,12 +95,12 @@
        train = buffer;
        load_thread = load_data_detection_thread(imgs, paths, plist->size, classes, net.w, net.h, side, side, background, &buffer);

/*
 image im = float_to_image(net.w, net.h, 3, train.X.vals[114]);
 image copy = copy_image(im);
 draw_detection(copy, train.y.vals[114], 7);
 free_image(copy);
 */
        /*
           image im = float_to_image(net.w, net.h, 3, train.X.vals[114]);
           image copy = copy_image(im);
           draw_detection(copy, train.y.vals[114], 7);
           free_image(copy);
         */

        printf("Loaded: %lf seconds\n", sec(clock()-time));
        time=clock();
@@ -120,30 +120,30 @@

void predict_detections(network net, data d, float threshold, int offset, int classes, int nuisance, int background, int num_boxes, int per_box)
{
        matrix pred = network_predict_data(net, d);
        int j, k, class;
        for(j = 0; j < pred.rows; ++j){
            for(k = 0; k < pred.cols; k += per_box){
                float scale = 1.;
                int index = k/per_box;
                int row = index / num_boxes;
                int col = index % num_boxes;
                if (nuisance) scale = 1.-pred.vals[j][k];
                for (class = 0; class < classes; ++class){
                    int ci = k+classes+background+nuisance;
                    float y = (pred.vals[j][ci + 0] + row)/num_boxes;
                    float x = (pred.vals[j][ci + 1] + col)/num_boxes;
                    float h = pred.vals[j][ci + 2]; //* distance_from_edge(row, num_boxes);
                    h = h*h;
                    float w = pred.vals[j][ci + 3]; //* distance_from_edge(col, num_boxes);
                    w = w*w;
                    float prob = scale*pred.vals[j][k+class+background+nuisance];
                    if(prob < threshold) continue;
                    printf("%d %d %f %f %f %f %f\n", offset +  j, class, prob, y, x, h, w);
                }
    matrix pred = network_predict_data(net, d);
    int j, k, class;
    for(j = 0; j < pred.rows; ++j){
        for(k = 0; k < pred.cols; k += per_box){
            float scale = 1.;
            int index = k/per_box;
            int row = index / num_boxes;
            int col = index % num_boxes;
            if (nuisance) scale = 1.-pred.vals[j][k];
            for (class = 0; class < classes; ++class){
                int ci = k+classes+background+nuisance;
                float y = (pred.vals[j][ci + 0] + row)/num_boxes;
                float x = (pred.vals[j][ci + 1] + col)/num_boxes;
                float h = pred.vals[j][ci + 2]; //* distance_from_edge(row, num_boxes);
                h = h*h;
                float w = pred.vals[j][ci + 3]; //* distance_from_edge(col, num_boxes);
                w = w*w;
                float prob = scale*pred.vals[j][k+class+background+nuisance];
                if(prob < threshold) continue;
                printf("%d %d %f %f %f %f %f\n", offset +  j, class, prob, y, x, h, w);
            }
        }
        free_matrix(pred);
    }
    free_matrix(pred);
}

void validate_detection(char *cfgfile, char *weightfile)

 src/detection_layer.c

@@ -3,7 +3,9 @@
#include "softmax_layer.h"
#include "blas.h"
#include "cuda.h"
#include "utils.h"
#include <stdio.h>
#include <string.h>
#include <stdlib.h>

int get_detection_layer_locations(detection_layer layer)
@@ -26,6 +28,8 @@
    layer->coords = coords;
    layer->rescore = rescore;
    layer->nuisance = nuisance;
    layer->cost = calloc(1, sizeof(float));
    layer->does_cost=1;
    layer->background = background;
    int outputs = get_detection_layer_output_size(*layer);
    layer->output = calloc(batch*outputs, sizeof(float));
@@ -63,6 +67,169 @@
    }
}

typedef struct{
    float dx, dy, dw, dh;
} dbox;

dbox derivative(box a, box b)
{
    dbox d;
    d.dx = 0;
    d.dw = 0;
    float l1 = a.x - a.w/2;
    float l2 = b.x - b.w/2;
    if (l1 > l2){
        d.dx -= 1;
        d.dw += .5;
    }
    float r1 = a.x + a.w/2;
    float r2 = b.x + b.w/2;
    if(r1 < r2){
        d.dx += 1;
        d.dw += .5;
    }
    if (l1 > r2) {
        d.dx = -1;
        d.dw = 0;
    }
    if (r1 < l2){
        d.dx = 1;
        d.dw = 0;
    }

    d.dy = 0;
    d.dh = 0;
    float t1 = a.y - a.h/2;
    float t2 = b.y - b.h/2;
    if (t1 > t2){
        d.dy -= 1;
        d.dh += .5;
    }
    float b1 = a.y + a.h/2;
    float b2 = b.y + b.h/2;
    if(b1 < b2){
        d.dy += 1;
        d.dh += .5;
    }
    if (t1 > b2) {
        d.dy = -1;
        d.dh = 0;
    }
    if (b1 < t2){
        d.dy = 1;
        d.dh = 0;
    }
    return d;
}

float overlap(float x1, float w1, float x2, float w2)
{
    float l1 = x1 - w1/2;
    float l2 = x2 - w2/2;
    float left = l1 > l2 ? l1 : l2;
    float r1 = x1 + w1/2;
    float r2 = x2 + w2/2;
    float right = r1 < r2 ? r1 : r2;
    return right - left;
}

float box_intersection(box a, box b)
{
    float w = overlap(a.x, a.w, b.x, b.w);
    float h = overlap(a.y, a.h, b.y, b.h);
    if(w < 0 || h < 0) return 0;
    float area = w*h;
    return area;
}

float box_union(box a, box b)
{
    float i = box_intersection(a, b);
    float u = a.w*a.h + b.w*b.h - i;
    return u;
}

float box_iou(box a, box b)
{
    return box_intersection(a, b)/box_union(a, b);
}

dbox dintersect(box a, box b)
{
    float w = overlap(a.x, a.w, b.x, b.w);
    float h = overlap(a.y, a.h, b.y, b.h);
    dbox dover = derivative(a, b);
    dbox di;

    di.dw = dover.dw*h;
    di.dx = dover.dx*h;
    di.dh = dover.dh*w;
    di.dy = dover.dy*w;
    if(h < 0 || w < 0){
        di.dx = dover.dx;
        di.dy = dover.dy;
    }
    return di;
}

dbox dunion(box a, box b)
{
    dbox du = {0,0,0,0};;
    float w = overlap(a.x, a.w, b.x, b.w);
    float h = overlap(a.y, a.h, b.y, b.h);
    if(w > 0 && h > 0){
        dbox di = dintersect(a, b);
        du.dw = h - di.dw;
        du.dh = w - di.dw;
        du.dx = -di.dx;
        du.dy = -di.dy;
    }
    return du;
}

dbox diou(box a, box b)
{
    float u = box_union(a,b);
    float i = box_intersection(a,b);
    dbox di = dintersect(a,b);
    dbox du = dunion(a,b);
    dbox dd = {0,0,0,0};
    if(i < 0) {
        dd.dx = b.x - a.x;
        dd.dy = b.y - a.y;
        dd.dw = b.w - a.w;
        dd.dh = b.h - a.h;
        return dd;
    }
    dd.dx = 2*pow((1-(i/u)),1)*(di.dx*u - du.dx*i)/(u*u);
    dd.dy = 2*pow((1-(i/u)),1)*(di.dy*u - du.dy*i)/(u*u);
    dd.dw = 2*pow((1-(i/u)),1)*(di.dw*u - du.dw*i)/(u*u);
    dd.dh = 2*pow((1-(i/u)),1)*(di.dh*u - du.dh*i)/(u*u);
    return dd;
}

void test_box()
{
    box a = {1, 1, 1, 1};
    box b = {0, 0, .5, .2};
    int count = 0;
    while(count++ < 300){
        dbox d = diou(a, b);
        printf("%f %f %f %f\n", a.x, a.y, a.w, a.h);
        a.x += .1*d.dx;
        a.w += .1*d.dw;
        a.y += .1*d.dy;
        a.h += .1*d.dh;
        printf("inter: %f\n", box_intersection(a, b));
        printf("union: %f\n", box_union(a, b));
        printf("IOU: %f\n", box_iou(a, b));
        if(d.dx==0 && d.dw==0 && d.dy==0 && d.dh==0) {
            printf("break!!!\n");
            break;
        }
    }
}

void forward_detection_layer(const detection_layer layer, network_state state)
{
    int in_i = 0;
@@ -92,31 +259,63 @@
            layer.output[out_i++] = mask*state.input[in_i++];
        }
    }
    /*
    int count = 0;
    for(i = 0; i < layer.batch*locations; ++i){
        for(j = 0; j < layer.classes+layer.background; ++j){
            printf("%f, ", layer.output[count++]);
        }
        printf("\n");
        for(j = 0; j < layer.coords; ++j){
            printf("%f, ", layer.output[count++]);
        }
        printf("\n");
    }
    */
    /*
    if(layer.background || 1){
    if(layer.does_cost){
        *(layer.cost) = 0;
        int size = get_detection_layer_output_size(layer) * layer.batch;
        memset(layer.delta, 0, size * sizeof(float));
        for(i = 0; i < layer.batch*locations; ++i){
            int index = i*(layer.classes+layer.coords+layer.background);
            for(j= 0; j < layer.classes; ++j){
                if(state.truth[index+j+layer.background]){
                    //dark_zone(layer, j, index, state);
                }
            int classes = layer.nuisance+layer.classes;
            int offset = i*(classes+layer.coords);
            for(j = offset; j < offset+classes; ++j){
                *(layer.cost) += pow(state.truth[j] - layer.output[j], 2);
                layer.delta[j] =  state.truth[j] - layer.output[j];
            }
            box truth;
            truth.x = state.truth[j+0];
            truth.y = state.truth[j+1];
            truth.w = state.truth[j+2];
            truth.h = state.truth[j+3];
            box out;
            out.x = layer.output[j+0];
            out.y = layer.output[j+1];
            out.w = layer.output[j+2];
            out.h = layer.output[j+3];
            if(!(truth.w*truth.h)) continue;
            float iou = box_iou(truth, out);
            //printf("iou: %f\n", iou);
            *(layer.cost) += pow((1-iou), 2);
            dbox d = diou(out, truth);
            layer.delta[j+0] = d.dx;
            layer.delta[j+1] = d.dy;
            layer.delta[j+2] = d.dw;
            layer.delta[j+3] = d.dh;
        }
    }
    */
    /*
       int count = 0;
       for(i = 0; i < layer.batch*locations; ++i){
       for(j = 0; j < layer.classes+layer.background; ++j){
       printf("%f, ", layer.output[count++]);
       }
       printf("\n");
       for(j = 0; j < layer.coords; ++j){
       printf("%f, ", layer.output[count++]);
       }
       printf("\n");
       }
     */
    /*
       if(layer.background || 1){
       for(i = 0; i < layer.batch*locations; ++i){
       int index = i*(layer.classes+layer.coords+layer.background);
       for(j= 0; j < layer.classes; ++j){
       if(state.truth[index+j+layer.background]){
//dark_zone(layer, j, index, state);
}
}
}
}
     */
}

void backward_detection_layer(const detection_layer layer, network_state state)
@@ -164,6 +363,7 @@
    cpu_state.input = in_cpu;
    forward_detection_layer(layer, cpu_state);
    cuda_push_array(layer.output_gpu, layer.output, layer.batch*outputs);
    cuda_push_array(layer.delta_gpu, layer.delta, layer.batch*outputs);
    free(cpu_state.input);
    if(cpu_state.truth) free(cpu_state.truth);
}

 src/detection_layer.h

@@ -11,6 +11,8 @@
    int background;
    int rescore;
    int nuisance;
    int does_cost;
    float *cost;
    float *output;
    float *delta;
    #ifdef GPU

 src/imagenet.c

@@ -47,7 +47,7 @@
        printf("%d: %f, %f avg, %lf seconds, %d images\n", i, loss, avg_loss, sec(clock()-time), net.seen);
        free_data(train);
        //if(i%100 == 0 && net.learning_rate > .00001) net.learning_rate *= .97;
        if(i%100==0){
        if(i%1000==0){
            char buff[256];
            sprintf(buff, "/home/pjreddie/imagenet_backup/%s_%d.weights",base, i);
            save_weights(net, buff);

 src/network.c

@@ -186,6 +186,9 @@
    if(net.types[net.n-1] == COST){
        return ((cost_layer *)net.layers[net.n-1])->output[0];
    }
    if(net.types[net.n-1] == DETECTION){
        return ((detection_layer *)net.layers[net.n-1])->cost[0];
    }
    return 0;
}


 src/utils.h

@@ -36,5 +36,9 @@
float mag_array(float *a, int n);
float **one_hot_encode(float *a, int n, int k);
float sec(clock_t clocks);

typedef struct{
    float x, y, w, h;
} box;
#endif