YOLO理解及边界框计算

一、YOLO的算法流程

 1.设定类别数，设定图片划分为多少个网格，每个网格预测出来几个边框。原文是20个类别，并将图片划分为7*7网格，每个网格预测出2个边框。

 2.将图片缩放到448*448，然后输入到CNN网络（卷积、池化、两个全连接），然后输出的就是7*7*30的tensor（20个对象分类的概率、2个bounding box的位置（2*4=8）、2个bounding box的置信度），通过处理输出box_confidence  box_xy  box_wh  box_class_probs。即在图片上可得到边界框7*7*2=98.

 3.设定阈值过滤边框。

• 第一步 计算所有box中每个类别的得分：box_confidence * box_class_probs
• 第二步 找到每个box所有类别中的最高分，并记录其索引（也就知道了类别）
• 第三步 根据阈值过滤并创建掩码 ： filtering_mask = (box_class_scores >= threshold)
• 第四步 使用掩码只输出阈值过滤后的score,box, classes

 4.进行非极大值抑制（NMS）.

• 选择得分值最高的边界框添加到输出列表中，将其从边界框列表中删除
• 计算得分值最高的边界框与其他候选框的IOU
• 删除IOU大于设定的阈值IOU的边界框
• 重复上诉过程，直至边界框列表为空。

 5.将最后输出列表里的边界框显示在图片，并显示分数和所属类别。

二、yolo中边界框的坐标计算

每个边界框的中心点坐标均为相对于其对应的cell左上点坐标的偏移，此时即保证每个边界框的中心点均落在其对应的cell中。其计算公式如下：

上式中：

• 即为预测的边界框bounding box在feature map中的中心点坐标和长宽；
• 即为网络学习的相对于先验框(prior,anchor)的offsets；
•  是各个cell的左上点坐标； 即为先验框(prior,anchor)相对于特征图的长和宽

参考链接

 https://www.jianshu.com/p/cad68ca85e27

https://www.jianshu.com/p/d452b5615850

https://blog.csdn.net/yzy__zju/article/details/98039103