code用Tensorflow純手撸，曆時5個月，求贊求星星。
代碼已開源，支援Yolov3檢測資料集單獨訓練，以及檢測資料集、分類資料集聯合訓練：
https://github.com/thisiszhou/SexyYolo （基于Tensorflow1.x）
讀完Yolov3論文、讀過幾份代碼、自己動手實作一遍，每次都有不一樣的感悟。Yolov3原理總結詳見：【論文解讀】Yolo三部曲解讀——Yolov3
本文記錄複現Yolov3之後，嘗試使用分類資料集NSFW（隻有圖檔類别标簽，無标注框标簽）和檢測資料集COCO聯合訓練，使得檢測器不僅能檢測coco的80個類别，還可以在檢驗出person标簽之後，繼續分類出neutral（可視化時隐藏）、sexy、porn三個标簽（如圖一）。
圖一 SexyYolo檢測效果圖
Yolov2論文中的Yolo9000，是業界首次提出将分類資料集和檢測資料集聯合訓練。作者實作了COCO資料集和Imagenet資料集聯合訓練，使得檢測器在檢測物體的同時，對物體類别進行垂直細分，例如在狗類别下，還可以繼續識别中華田園犬、金毛、哈士奇等。
- 資料集
檢測資料集：http://cocodataset.org/
分類資料集：https://github.com/alex000kim/nsfw_data_scraper
NSFW資料集的介紹不再多說。為了降低訓練的時間成本。筆者從下載下傳後的NSFW資料集中，選取了neutral、sexy、porn三個類别，各自挑選了1000張左右的圖檔作為分類資料集。COCO資料集有11萬張訓練圖檔，如果分類資料集數量再多一些，效果會更好（NSFW資料集中有太多幹擾和錯誤資料，需要人工篩選，篩選成本較高，尤其porn類别太辣眼睛）。
- 檢測資料集訓練（COCO）
- 最終輸出改為88維：1維置信度；4維x、y、w、h，80維coco類别；3維NFSW類别。
- 檢測資料集，産生的loss與之前完全一樣，新增的3維類别，檢測資料集不産生loss。因為COCO資料集對于垂直類别沒有标記，是以沒有更進一步的類别資訊，不産生loss即可。
- 分類資料集訓練（NSFW）
- 正例：設定置信度門檻值，當預測框的置信度 × person類别機率 >= 置信度門檻值時，該框被标作正例，正例的x、y、w、h不産生loss，置信度标簽為1，類别标簽，person與最後三維中相應類别為1，其餘類别都為0。
- 負例：設定負例門檻值，置信度小于該門檻值時，被标記為負例，負例的置信度标簽為0，其餘維不産生loss。
- 正例使用nms進行過濾，被過濾掉的，不再作為正例。
- 忽略樣例：大于負例門檻值的，但是沒有被标記為正例的，忽略，不産生loss。
- 先将模型在COCO上訓練10個epoch，再混合COCO與NSFW資料集聯合訓練。
由于分類時，無法擷取預測框與真實框的IOU數值，是以需要用nms進行過濾，訓練最契合的預測框，不确定的預測框，不參與訓練。至于為什麼正例置信度标簽為1，因為在實驗中，如果不加置信度1标簽，分類資料集上漸漸就檢測不出person，因為沒有person時，分類圖檔上産生的loss最小。
- 精度
圖四
Yolov3中隻貼出了訓練分辨率為618*618時的全部精度，本地訓練使用的416*416，使用作者的coco權重作為SexyCoco的預訓練模型，在coco_train2017上不加入分類資料集訓練了10個epoch後的精度為上圖中Coco only，論文中416*416分别率的mAP-50為0.553，非常接近。之後繼續分類與檢測資料集聯合訓練，mAP精度稍有惡化，但是網絡可以識别垂直類别neutral、sexy、porn。
- 參考
YOLOv3: An Incremental Improvement
【論文解讀】Yolo三部曲解讀——Yolov3
https://pjreddie.com/darknet/
最後送點福利（侵删）。porn檢測效果圖圖以及本地的3000張NSFW資料集，别問，問就是沒有（上面有連結，資料集需要請自行下載下傳）。
Yolo并不完美，one stage的檢測算法，難點在于資料拟合到極限之後，類别正确率、識别準确率、識别召回率、檢測框精度之間的權衡。Faster R-CNN二階段的分類不會影響一階段檢測框預測，但是Yolo拟合資料集到一定極限之後，就隻能在幾部分loss中做取舍權衡。
完。歡迎指正和探讨。