本文详细介绍了YOLOv3模型的输出结构，包括8x8x3x85、16x16x3x85、32x32x3x85三个不同尺度的特征图，每个包含检测框位置、置信度和80类别的概率。先验框通过k-means聚类得到，类别置信度使用sigmoid解码。训练策略中，损失函数是关键，同时在推理时，低置信度的框会被过滤，仅保留高置信度的框进行非极大值抑制。
输出
- 输出最终的三个特征图为8x8x3x85、16x16x3x85、32x32x3x85
- 其中8x8是特征图维度大小（上面三个不同的值代表不同的尺度）；3是代表3种先验框；85包括：检测框位置（4维）、检测置信度（1维）、类别（80维）
先验框
- 使用 k-means 对训练集的标签框进行聚类，得到类别中心点的坐标作为先验框
- 有了先验框和输出特征图，就可以得到下图中调整后框的位置
类别置信度
- 置信度可以直接通过sigmoid函数解码，将其划分到0、1之间，
※ 在推理时，不需要那么多先验框，因此置信度低于阈值的框会直接被过滤掉，只有置信度高于阈值的框会进入到NMS，来确定置信度最高的框 - 类别方面是对80个类别，每个进行sigmoid函数解码（传统的使用softmax函数，各个类别是互斥的，但是这里使用sigmoid，一张图就可以有多个类别）
训练策略
损失函数
总结
扫一扫
2256
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
