在 YOLO 中，与每个锚框相关联的值究竟代表什么？

人工智能 神经网络 卷积神经网络 计算机视觉 约洛
2021-10-17 23:40:45

我正在阅读 Andrew NG 的课程，其中谈到了 YOLO，但他没有深入讨论锚框的实现细节。

看完代码，每个anchor box都是用两个值来表示的，但是这些值到底代表什么呢？

至于对锚框的需求，我也有点困惑——据我所知，地面实况标签大约有 6 个变量：

  1. Po检查它是对象还是背景，
  2. Bx和By是中心坐标
  3. Bh和Bw是盒子的高度和宽度
  4. C是对象类，这取决于你有多少类，所以你可以有多个C

至于创建边界框，

Bh除以 2，离中心点的一半（Bx,By) 到顶部，另一半到底部。

如果我们训练我们的分类器，随着训练的进行，预测框是否会接近真实标签？所以，如果我们的ground truth标签对于某些图像具有高高度、小宽度作为框，而对于其他图像具有低高度和大宽度，我们的分类器不会自动学习区分何时使用一个而不是另一个，因为它正在接受培训？如果是这样，那么锚框有什么用？那些代表锚框的数字代表什么？

1个回答

不是专业人士，但我想我知道您的问题的一些答案。

如果我们训练我们的分类器，随着训练的进行，预测框是否会接近真实标签？

我认为这就是 YOLO v1 所做的。根据 Andrew NG 的视频，引入了边界框来解决同一网格单元内的多个对象。根据这篇文章，锚框分配确保锚框预测以自己的网格中心为中心的对象的地面实况，而不是远处的网格单元（如 YOLO 可能）

那些代表锚框的数字代表什么？

它们只是宽度和高度（形状）。在 YOLO v2 中，它用于计算 IOU，假设所有框都放置在同一位置（忽略位置），您可以认为它只是尝试匹配形状。在应用 K-means 聚类时，它使用 (1-IOU) 作为距离。

其它你可能感兴趣的问题
上一篇给定一个整数列表{C1, … ,Cñ}{C1,…,Cñ}，我如何找到一个整数DD使余数之和最小化∑一世C一世 模式 D∑一世C一世 模组 D? 下一篇为什么我的 GAN 在使用更大的网络时更不稳定？