到目前为止，我对YOLO的了解，它期望训练图像应该被划分为固定网格，其中每个网格都有标签，如P（对象是否存在）、对象边界框、对象类。同样，它将为每个图像预测返回相同的输出。
如果它是正确的，我无法将这些图像映射为训练和预测的情况，其中某些对象是多个网格的一部分。在训练过程中，我们只提供与特定（单个）网格对应的边界框信息，它是如何结合多个网格的边界框信息的？
注意：非最大抑制再次令人困惑，如果它与之相关。
YOLO 训练和预测如何对落入多个网格的对象起作用？
数据挖掘
图像分类
物体检测
约洛
2022-02-23 17:40:37
1个回答
似乎在参考了许多文件之后，我找到了我的问题的答案。
首先，可能纠正我的理解。我认为对于标签，边界框大小（宽度，高度）将始终在特定网格尺寸的范围内，即在 0 和 1 之间。这是不正确的，这至少是我唯一的混淆来源。
我相信，如果我能够回答有关标签过程的问题，我认为它将消除以问题形式提出的大部分疑问。
步骤是标记：
- 识别图像相对于图像边界的中心点，参考红点。
- 在图像顶部创建一个网格。
- 识别中心点所在的网格。在这种情况下，它的第 8 个网格（编号从 1 开始）。
- 仅标记该网格有一个对象（而不是其他对象），并且标签应该是这样的：
g8具有对象和边界框信息。bx 和 by 对应于网格尺寸，而 width 和 height 对应于其大小，大于 1。
在 YOLO 模型训练过程中，它学习到了这种智能，可以开始预测高度和宽度，可以大于 1。如果汽车（或任何物体）掉入多个网格并且模型训练完美，它应该预测高度和宽度。相应的宽度即> 1。
其它你可能感兴趣的问题