在研究论文中，对于 S=7,B=2，模型为每个 7x7 网格单元预测 2 个边界框，因此每个图像预测 7x7x2=98 个图像。然而演示输出图像只有 3 个框。这是为什么？
我的理论是，由于线条的粗细与边界框的置信度得分成正比，因此在训练模型后，“糟糕”的边界框非常薄，甚至不会出现。
该论文还说“通常很清楚一个对象落入哪个网格单元，并且网络只为每个对象预测一个框”。
我很困惑。
YOLO：有多少个边界框？
数据挖掘
物体检测
约洛
2022-02-16 14:04:48
1个回答
从98箱到3箱，还涉及很多其他的东西。
- x*y*2 = 98，其中 2 是锚框，即每个网格将预测两个边界框。
- 非最大抑制：正如您所说，丢弃那些概率较小的框。您可以设置一些阈值。
- IOU（Intersection over Union）：用于识别和丢弃重叠框的步骤。
完成所有这些活动后，您将获得 3 个最终盒子。
有关完整过程的更多信息：
丢弃置信度低的边界框。说小于 0.6。
现在画出置信度最高的网格。如下所述：
- 这里获得了 0.9 的置信度分数。
- 现在识别所有 IoU 分数大于某个阈值（例如 0.5）的网格。这里以深蓝色突出显示并丢弃此类网格。
- 仍然留下了一些预测物体的网格，比如汽车，但是 IoU 很低，还没有被丢弃。再次从第 2 步开始重复这个过程，直到我们没有留下这样的网格。
注意：建议您阅读有关最后两个过程的更多信息，因为它涉及识别边界框的核心概念。
其它你可能感兴趣的问题