YOLO 边框预测中的坐标系转换详解

• 前提是读者要对YOLO的预测框机制比较熟悉，本节主要是给出具体的计算方法．

1. 问题描述
   (1) bbox->feature map
   我们要做的，是把bbox的全局坐标系转换成相对于他所在的局部坐标系．比如通过归一化的bbox坐标，他是相对于原图坐标左上角的，而我们现在把它转换到每一个小格子左上角上去．通过这个坐标进行损失函数的计算.

   (2)feature map->bbox
   上面过程的逆向计算.

2. 解析
   (1)就是坐标映射问题，当全局尺寸归一化为1时,可以观察出映射公式：
   $$out=\frac{input-leftGridPose}{gridSize}$$

其中$leftGridPose$是bbox所在格子的左边界坐标，$gridSize$是格子的尺寸，代码里自动计算.

(2)反过来
迭代每一个feature map 上的格子,每个格子都包含$[bbox\_xywh,confidence,classes]$

假设输出特征层的通道定义为相对坐标,置信度,类别: $$[r_x,r_y,r_w,r_h,confidence,classes]$$

• 首先计算每个$grid$的左上角坐标,假设我们当前要计算$i,j$处的各种参数:
  $$gri{d}_x,gri{d}_y=i\ast grid\_size\_x,j\ast grid\_size\_j$$

• 然后切出相对于左上角的边框预测值以及宽高预测值(这里就要根据各位特征的各个通道具体是怎么定义的来做): $$r_x,r_y=pred[0:2,i,j]$$ $$r_w,r_h=pred[2:4,i,j,]$$

• 因为目的是为了可视化预测出的$bbox$, 所以最后把相对坐标转换成相对于整个图像的坐标:
  $$a_x=gri{d}_x+r_x\ast grid\_size\_x$$ $$a_y=gri{d}_y+r_y\ast grid\_size\_y$$

  通过上式,从网络输出转换到相对于图像的坐标.

3.给出(1)部分的计算原理代码

import numpy as np
import math
# import matplotlib.pyplot as plt

"""
向上取整 ceil
向下取整 floor
"""


def real_pos(input):
    grid_num = 5
    grid_size = 1 / 5

    # 所在的格子
    pos_x = math.ceil(input / grid_size)

    left = (pos_x - 1) * grid_size
    # right = pos_x * grid_size  # 用不到

    delta = input - left
    output = delta / grid_size
    return output


if __name__ == "__main__":
    a = real_pos(0.399)
    print(a)

# ANTenna 2020.07.16

4. 在图像场景下，只需要调用两次就可以了-_-