【YOLOV5】预测结果解码流程

YOLOv5 继承了 YOLO 算法的网格划分思想，具体预测流程如下图所示。

 

网络输入维度为 640×640×3，即原始图片预处理之后的长宽都为 640 的 3 通道RGB 彩色图片，通过网络后，大中小 3 个尺度的检测层输出维度为 S×S×na×（tx+ty+tw+th+to+nc），其中 S×S 为划分的网格个数，na为每个尺度对应预设先验框的个数，nc为需要预测的类别数。以大尺度 S=20、na=3、nc=3 为例，该维度网络结构的检测层输出维度为 20×20×3×（5+3）=9600。

网络模型主要预测参数有边界框相关参数xt 、yt 、wt 、ht ，边界框置信度to 和第 i 类别的置信度tci。这些参数需要解码如下公式得到最终的预测框。

如下图 所示，蓝色框是标签边界框（ground truth box），bx、by、bw、bh分别为标签边界框中心点坐标和宽高尺寸，cx、cy是该标签边界框中心所占据网格（grid）与左上角的网格距离；红色的是先验框（anchor box），pw、ph是先验框的宽高。