darknetによるYOLOv3学習時のlog出力について

darknetでYOLOv3をオリジナルデータセットで学習するやり方を解説しているサイト(こことかこことか)は増えてきましたが，学習時に出力されるlogの意味が不明で解説サイトも見つからなかったので調べました．GitHubのissueで解説している人がいたので，それの翻訳版になります(^_-)-☆

（細かい話）私はROSでYOLOを使いたかったのでdarknet_rosを使っていて，そのサブモジュールがpjreddieによる本家darknetなので，それを使っています．今回見つけたissueはAlexeyABによる改良版darknetのissueです．簡単に見た感じは，ベースは同じなのでここで解説しているlogの事（改良版darknetに基づく）も本家darknetで同じだと考えています．（違ったらゴメンなさい((+_+))）

学習時に出力されるlogは以下の画像のような感じ((+_+))　見ただけだと意味不明。。。何かのIoU（解説）とか出してるけど何のだろう？？

この画像内に出力されているlogは2種類ありますが，まず

532633: 5.888629, 5.613394 avg, 0.000010 rate, 3.667564 seconds, 34088512 images

みたいな出力に関してです．このlogは左から

バッチ回数: そのバッチでのloss，平均のloss（注） avg，学習率 rate，このバッチにかかった計算時間 seconds，これまでの学習画像枚数 images

のようになっています．（イテレーション回数ではなくバッチ回数です．subdivisions数のミニバッチがまとまって一つのバッチになってます．なんでこうしてるか正直意味わからないです(*q*;）
（注）平均のlossといいつつも，コード上はave_loss=0.9*ave_loss + lossとなっているので，単なるlossの算術平均ではありません．学習初期のlossの影響が少なく，現在のイテレーションに近い時のlossが大きく考慮されるようなlossになっています．

次に，たくさん出ている

Region 106 Avg IOU: 0.386036, Class: 0.043712, Obj: 0.056230, No Obj: 0.000363, .5R: 0.312500, .75R: 0.000000,  count: 16

みたいなlogの見方です．左から順に解説します．

• Region <num> の<num>
  • YOLOv3のネットワークの出力レイヤの番号を意味します．YOLOv3のデフォルトのcfgだと，82層目，94層目，106層目を見るようになっています．
• Avg IoU
  • 検出されたオブジェクトのバウンディングボックス（クラスは考えない）とGround TruthとのIoUの平均
  • “平均”とは，cfgファイルで設定しているbatch数をsubdivisions数で割った枚数の画像を考えた場合です（batch / subdivisions 枚数）
  • cfgのbatchは「１つのバッチに含まれるサンプル数」
  • cfgのsubdivisionsは「1つのバッチ内のmini batch数」：ミニバッチサイズはbatch / subdivisionsで，この枚数を一度に処理して重み更新をかけているみたいです．
  • 参考
  • ミニバッチはよく聞くけど，なんで更にバッチに分けるの？？？ってなってます(;´Д｀)
• Class
  • 正しく分類されたオブジェクトの確率の平均
  • No Objと比較して，Class分類が正しい時のconfidenceがどの程度かを見ている感じかな？？
• Obj
  • そのanchor boxにオブジェクトがある確率の平均
  • 画像全体に対してオブジェクトがどれだけあるかってこと？？？
  • YOLOシリーズの論文ちゃんと読まなきゃわかんなそう。。。
• No Obj:
  • すべてのオブジェクトの確率の平均（正しく分類されたもの，正しくない分類のもの両方）
• .5R
  • True Positive(解説)の平均（IoU > 0.5）
  • IoU > 0.5のバウンディングボックス領域に対するTrue Positive
• .75R
  • True Positiveの平均（IoU > 0.75）
• count
  • そのレイヤー（Region <num>）における適したanchorの数
  • そもそもanchorの理解があいまいなので。。。
  • count=0の時は各計算がされずnanになるみたいです．

nanが出力されるときはcount=0, サンプル画像にオブジェクトがない場合です．しばらくnanが少し続いていても問題ないみたいです．長く続くなら学習に問題があるみたいです．