YOLO 检测算法分析

主要对yolo v2最后一层卷积conv23输出的特征如何转换为bbox和置信概率结果输出进行分析?

步骤1---数据变换

Conv23输出的blob数据是[batch_num,(5+cls_num)*anchor_num,cell_w,cell_h]，其中batch_num是batch size，infer的时候一般为1，cls_num是目标分类数量，对于一般通用的coco数据集为80类，cell为输入图像的格子数量，yolov2里设为13*13，每个cell上设5个anchor。那么典型的conv23输出的数据为[1,425,13,13]维。

在步骤1中需要做维度变换，转换为[85,425]维进行处理，425=85*5为yolov2一共detection的数量，85为每次detection的检测信息。

转换步骤如下：

1. 将425个channel矩阵从上到小排列，编号为0~424；
2. 对于每个channel，将13*13展平为1*169，按照从左到右，从上到小的顺序展平；
3. 变换后的矩阵为85行，13*13*5列，将13*13*5列分为5个区域，每个区域将输入的channel展平后的向量按从上到下顺序依次排列，举例说明：

区域1：channel 0~channel 84

区域2：channel 85~channel 169

区域3：channel 170~channel 254

区域4：channel 255~channel 339

区域5：channel 340~channel 424