code用Tensorflow纯手撸，历时5个月，求赞求星星。
代码已开源，支持Yolov3检测数据集单独训练，以及检测数据集、分类数据集联合训练：
https://github.com/thisiszhou/SexyYolo （基于Tensorflow1.x）
读完Yolov3论文、读过几份代码、自己动手实现一遍，每次都有不一样的感悟。Yolov3原理总结详见：【论文解读】Yolo三部曲解读——Yolov3
本文记录复现Yolov3之后，尝试使用分类数据集NSFW（只有图片类别标签，无标注框标签）和检测数据集COCO联合训练，使得检测器不仅能检测coco的80个类别，还可以在检验出person标签之后，继续分类出neutral（可视化时隐藏）、sexy、porn三个标签（如图一）。
图一 SexyYolo检测效果图
Yolov2论文中的Yolo9000，是业界首次提出将分类数据集和检测数据集联合训练。作者实现了COCO数据集和Imagenet数据集联合训练，使得检测器在检测物体的同时，对物体类别进行垂直细分，例如在狗类别下，还可以继续识别中华田园犬、金毛、哈士奇等。
- 数据集
检测数据集：http://cocodataset.org/
分类数据集：https://github.com/alex000kim/nsfw_data_scraper
NSFW数据集的介绍不再多说。为了降低训练的时间成本。笔者从下载后的NSFW数据集中，选取了neutral、sexy、porn三个类别，各自挑选了1000张左右的图片作为分类数据集。COCO数据集有11万张训练图片，如果分类数据集数量再多一些，效果会更好（NSFW数据集中有太多干扰和错误数据，需要人工筛选，筛选成本较高，尤其porn类别太辣眼睛）。
- 检测数据集训练（COCO）
- 最终输出改为88维：1维置信度；4维x、y、w、h，80维coco类别；3维NFSW类别。
- 检测数据集，产生的loss与之前完全一样，新增的3维类别，检测数据集不产生loss。因为COCO数据集对于垂直类别没有标记，所以没有更进一步的类别信息，不产生loss即可。
- 分类数据集训练（NSFW）
- 正例：设置置信度阈值，当预测框的置信度 × person类别概率 >= 置信度阈值时，该框被标作正例，正例的x、y、w、h不产生loss，置信度标签为1，类别标签，person与最后三维中相应类别为1，其余类别都为0。
- 负例：设置负例阈值，置信度小于该阈值时，被标记为负例，负例的置信度标签为0，其余维不产生loss。
- 正例使用nms进行过滤，被过滤掉的，不再作为正例。
- 忽略样例：大于负例阈值的，但是没有被标记为正例的，忽略，不产生loss。
- 先将模型在COCO上训练10个epoch，再混合COCO与NSFW数据集联合训练。
由于分类时，无法获取预测框与真实框的IOU数值，所以需要用nms进行过滤，训练最契合的预测框，不确定的预测框，不参与训练。至于为什么正例置信度标签为1，因为在实验中，如果不加置信度1标签，分类数据集上渐渐就检测不出person，因为没有person时，分类图片上产生的loss最小。
- 精度
图四
Yolov3中只贴出了训练分辨率为618*618时的全部精度，本地训练使用的416*416，使用作者的coco权重作为SexyCoco的预训练模型，在coco_train2017上不加入分类数据集训练了10个epoch后的精度为上图中Coco only，论文中416*416分别率的mAP-50为0.553，非常接近。之后继续分类与检测数据集联合训练，mAP精度稍有恶化，但是网络可以识别垂直类别neutral、sexy、porn。
- 参考
YOLOv3: An Incremental Improvement
【论文解读】Yolo三部曲解读——Yolov3
https://pjreddie.com/darknet/
最后送点福利（侵删）。porn检测效果图图以及本地的3000张NSFW数据集，别问，问就是没有（上面有链接，数据集需要请自行下载）。
Yolo并不完美，one stage的检测算法，难点在于数据拟合到极限之后，类别正确率、识别准确率、识别召回率、检测框精度之间的权衡。Faster R-CNN二阶段的分类不会影响一阶段检测框预测，但是Yolo拟合数据集到一定极限之后，就只能在几部分loss中做取舍权衡。
完。欢迎指正和探讨。