最近使用yolo v5进行人脸检测，发现对于相同的数据集，yolo v5输出的confidence相较于SSD，retinaface等其他检测网络会低很多。
大概原因如下：
一般检测网络的分类头，在计算loss阶段，标签往往是非0即1的状态，即是否为当前类别。
yolo v5 则是将anchor与目标匹配时的giou（ciou）作为该位置样本的标签值。giou值在0-1之间，label值的缩小导致了最后预测结果值偏小。
目的：
引入了大量正样本anchor，但是不同anchor和gt bbox匹配度是不一样，预测框和gt bbox 的 匹配度也不一样，如果权重设置一样肯定不是最优的，故作者将预测框和bbox的giou作为权重乘到conf分支，用于表征预测质量。
#代码：utils.compute_loss()中，tobj为前景和背景的分类label。
#例如：tensor([0.53693, 0.51600, 0.59551, 0.60385, 0.54978, 0.75129], device='cuda:0')
#通过model.gr可以修改giou值所占权重，默认是1.0，即用giou值完全作为标签值。
tobj[b, a, gj, gi] = (1.0 - model.gr) + model.gr * giou.detach().clamp(0).type(tobj.dtype)
#loss 仍然采用nn.BCEWithLogitsLoss()
#当input=0.3，label=0.6
>>> -(0.6*math.log(1/(1+math.exp(-0.3)))+(1-0.6)*math.log(1-1/(1+math.exp(-0.3))))
0.674355244468527
>>>BCEcls(torch.tensor([0.3]).to(device),torch.tensor([0.6]).to(device))
tensor(0.67436, device='cuda:0')
