嗨，我正在开展一个项目，该项目需要You Only Look Once算法来对图像中的对象进行分类和定位。我必须准备我的数据集（它有 2 个类，每个网格单元预测 6 个对象，并且 448 * 448 图像被拆分为 7*7 网格）。什么是可行的方法来做到这一点？我 在这篇文章中找到了这段代码。但是我不明白他为什么做了他所做的事情，例如他为什么专门检查“盒子”的第 24 个元素，那么我必须检查盒子的哪个元素？是否有任何教程贯穿其中？有人可以解释甚至调整他的方法以适应我的数据集吗？
仅供参考：我正在从头开始编写 YOLO 算法
好吧，一步一步放手。
您正在研究的是 YOLOv1，在此版本的 YOLO 算法中，模型可以返回的最大边界框是 7x7 = 49 个框，即 49 个单元格，因为输出形状为 7x7x30。
对于每个框，输出的深度为 30，因为 PASCAL VOCS 2012 的标签数量为 20（YOLOv1 的作者在此数据集上训练），因此从索引 0 到索引 19 将表示该边界框的标签。从 20 到 23 是那个盒子的位置和大小。
第 24 位代表两件事，首先是那个框的置信度，因为这是 ground truth，所以置信度应该是 1。其次，你知道 YOLOv1 最多只能返回 49 个框（实际上，你可以通过编辑框的数量你自己）所以基本事实应该只处理一个单元格，因此第 24 个是二进制值，以确保一个单元格中没有重复的边界框。（25到29是因为作者预测每个cell有2个bounding box）
在您的情况下，输出应该是 7x7x(2 + 5 x 2) = 7x7x12，每个单元格有 2 个类和 2 个框。