预测阶段
非常好理解：首先固定权重后，将输入图像reshape为448*448*3的图像喂入黑盒子神经网络中，最后输出7*7*30的张量。
7*7表示将图片划分成49个网格了，每个网格区域产生两个候选框,来负责框内物体的定位及分类。因为有两个候选框，故在张量信息中是5+5+20，5表示一个框的信息，一共两个框，20表示有20个类别，是该类别下的概率，用于分类预测。30=4+1+4+1+20， 4表示这个候选框的信息（框的中心坐标及高宽），1表示置信度，也就是框的质量，用IOU来进行检验的。置信度越高说明，该框质量好，与标签所化的框非常吻合。
最终的概率是由框的置信度分别乘以20个不同类别下的概率，拿出最高类别概率的那个数值，才是该框的概率。因此每个网络最终仅预测一个最高概率的物质！！！也就是最多输出的预测为7*7=49个物体
预测阶段后处理-非极大值抑制
后处理就是将7*7*30维度的张量变成最后图像显示的结果，采用的方法叫NMS非极大抑制
上面几个流程图可以理解为。我们将取出一个网格内的候选框置信度*20个类别下的各个概率，我们就会获得最终该网格下的预测结果，正常情况一张图像有98种情况（7*7*2），98个候选框获得是如下图的实际情况。
那这么多框如何显示最终我们所需要的物体效果呢
第一步通过98个候选框的置信度×20个类别概率。加入第一个概率类别是dog,故按照置信度*dog概率来进行98个张量的排序。设定阈值把一些计算结果为0.001，0.003这种很差的结果直接抹零，假如设定0.3，那么低于0.3的均抹零了。大于0.3的保留，再进行非极大值抑制操作。
第二步，非极大值抑制
如上图所示，0.5 ，0.3就是这个图，先取出dog来讲解
排序大小后发现，0.5=候选框置信度*dog的概率，0.3也是这个计算结果
当我们对比上面的绿色框和黄色框时，发现两者交并比大于一个阈值时，假设设定阈值为0.5，那么大于0.5的话，说明两者是预测同一个物体，将低的那个框抹零，依次对比，（记住会出现图片中包括两个只狗的情况，但是位置肯定不同，所以设定交并比的数值非常关键）。
为了具体说一下思路举个例子
a=0.6 b=0.3 c=0.2 d=0.1 设定非极大值抑制为0.5
假设 a与b的交并比为0.6，大于0.5，留下概率最高的0.6，b=0.3赋值为0。
故，留下来的就是:
a=0.6 c=0.2 d=0.1 b=0
假设 a与c的交并比为0.3，小于0.5，故保留。a依次类推和d进行交并比比较
关键来了：
此时大小排序是a c d b。
再拿c来进行b的比较，只要抹零了就不参与计算了！！！
然后依次第二类别cat上面的概率。
最后得到的7*7*30维度的向量，里面有很多为零的，我们通过选择最终每个长条的最大值，找出来显示出来就得到最终结果。
由上图可知啊，本来有98个框，经过设定阈值和非极大值抑制后，就只剩下三个框了，会抹去很多向量的数值转为0的
记住：NMS后处理仅在预测阶段可以用！！！！！！！！！！！！！！！
训练过程可不能用NMS,因为所有计算向量均要在损失函数中占据一席之地
训练阶段
注意：一个网络中随机生成两个候选框，但是候选框的中心点一定落在这个网格里面
总体损失就是三个：第一个就是定位误差，第二个就是置信度误差，第三个就是分类误差。
置信度的评价就是预测框和目标框的交并比
来自于同济子豪兄的讲解总结：算法精讲-预测阶段_哔哩哔哩_bilibili
2646
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
