yolov3从头实现(三)-- yolov3标签制作

yolov3标签制作

一 、自定义anchors

yolov3中需要自己定义不同特征尺度下的anchor的大小
而anchor的大小时根据标注数据集聚类得出来的,可以理解成在标注数据集中的大多数标注框的大小。
对于coco数据集yolov3的anchors为:
anchors = [10, 13, 16, 30, 33, 23, 30, 61, 62, 45, 59, 119, 116, 90, 156, 198, 373, 326],两两一对;这些anchor的大小都是对应到统一图上的。

在这里插入图片描述

例如:
大小为5252特征图对应的自定义的anchor是[(10, 13),(16, 30),(33, 23)]
大小为26
26特征图对应的自定义的anchor是[(30, 61),(62, 45),(59, 119)]
大小为13*13特征图对应的自定义的anchor是[(116, 90),( 156, 198),(373, 326)]

二、标签结构

整体的标签结构包括
大小为5252特征图对应的标签结构
大小为26
26特征图对应的标签结构
大小为1313特征图对应的标签结构
下面展示的是大小为13
13特征图的标签结构示意图,假设分类类别为3
记住:标签结构跟网络输出结构是一致的,是为了指导网络的预测结果
在这里插入图片描述

三、标签内容及制作过程

在这里插入图片描述将上图的标签拆分,可以更清楚的了解标签结构 下图为尺度大小为13*13特征图对应的预测值的标签的解析
在这里插入图片描述

  • 4
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
标签制作是为了指导YOLOv3网络的预测结果。在YOLOv3中,需要自己定义不同特征尺度下的anchor的大小,而这些anchor的大小是根据标注数据集聚类得出来的,可以理解为在标注数据集中的大多数标注框的大小。对于COCO数据集YOLOv3的anchors为:\[10, 13, 16, 30, 33, 23, 30, 61, 62, 45, 59, 119, 116, 90, 156, 198, 373, 326\],两两一对,这些anchor的大小都是对应到统一图上的。\[1\] 整体的标签结构包括大小为52x52特征图对应的标签结构、大小为26x26特征图对应的标签结构、大小为13x13特征图对应的标签结构。标签结构跟网络输出结构是一致的,是为了指导网络的预测结果。\[2\] 标签的内容包括图片的路径、图片的宽度和高度、目标的类别、目标的中心坐标和宽高。举例说明,比如一张针对图片000035.jpg的标签可以表示为:000035 /YOLOv3_TensorFlow/data/my_data/train/000035.jpg 500 375 14 1 96 191 361 14 218 98 465 318。其中,500和375分别是图片的宽度和高度,14表示目标的类别,1表示目标的中心坐标和宽高。\[3\] #### 引用[.reference_title] - *1* *2* [yolov3从头实现)-- yolov3标签制作](https://blog.csdn.net/m0_43609475/article/details/107720829)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [YOLOv3_TensorFlow版本标签制作](https://blog.csdn.net/qq_35699505/article/details/96872830)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值