YOLOV1预测阶段

预测阶段

Yolov1网络结构
1.输入：448×448×7图片
2.过卷积层
3.变成771024的feature map
4.把数据拉平，输入到4096个神经元的全连接层
5.输出4096个向量
6.把4096个向量输入1470个神经元中，输出1470向量（1470个数字）
7.1470reshape 成7730张量 （办好所有预测框的坐标，置信度和类别结果）
（只需要解析7730）

为什么， 是结果7730

在YOLOv1中将图片划分为77的网格，划分成49个网格gridcell
每一个gridcell预测出B个bounding box在YOLO1中b=2
这2个预测框中心点都落在gridcell中，标示由这个gridcell产生
预测框版阔xywh四个坐标，确定框的位置，是不是物体的置信度，用粗细线表示。
一共77*2=98个bounding box每一个包含4个坐标参数，1个置信度参数，可视化如上图中间黑色框\

1. 7730表示7*7个gridcell +2个bound boxes（每个有5个参数）+20个类别概率
   最后概率=置信度×包含物体下的类别概率

总结：输入一张图像，YOLO输出S×S个gridcell的信息，每一个gridcell包含两个bounding boxes和20个类别，每一个bounding box包含4个位置参数和一个置信度参数

再重复一便
首先把图像分成S×S个网格，上图7*7

对上图红色网格，有两个boundingbox 一个置信度高。另一个低（通过线的粗细判断）

预测出772=98个框，有的置信度高保存，有的置信度底丢弃。

每一个gridcell还能生成20个类别的条件概率，上图表示，条件概率最高的类别占有的框，紫色表示bicycle的条件概率比较高的区域，每一个gridcell只有一个类别，从20个类别中选概率最高的，说明每一个gridcell智能预测一个物体，77=49个gridcell预测出77=49个物体

在测试阶段，模型已经训练好，输入图像，模型输出7730张量，张量包含7*7个griecell，
强调文本 强调文本

后处理阶段

把预测出的98预测框筛选过滤，重复的框去掉，把底置信度的框去掉，
称为 NMS（非极大值抑制）

对20个类别向量×2个置信度获得每个预测框的类别概率，共98个长条，对长条将置信度小于某个阈值值为0，然后进行由高到低的排序，将后概率依次与第一个对比，如果产生的交并补大于某个值，就把后面的概率置为0