训练集的label中,confidence的值不是1,而是当前的P(object)(0|1)与当前的IOU的乘积,目标是使训练出的模型输出的confidence无限接近真实的P(object)*iou
我最开始理解的是,训练集的label中有物体的格子,confidence的label为1,训练过程中预测的confidence为当前的iou,可是这样的话,其实训练confidence的结果就相当于边框回归了
训练集的label中,confidence的值不是1,而是当前的P(object)(0|1)与当前的IOU的乘积,目标是使训练出的模型输出的confidence无限接近真实的P(object)*iou
我最开始理解的是,训练集的label中有物体的格子,confidence的label为1,训练过程中预测的confidence为当前的iou,可是这样的话,其实训练confidence的结果就相当于边框回归了