Keras YOLOv3代码详解（二）：目标检测原理解析

我们上周分析了darknet53的网络结构，并使用Netron工具查看，搞清楚darknet53是一个具有252层的网络，并在13x13、26x26、52x52三个尺寸上输出3张特征图（featue maps），具体内容请参考：

Keras YOLO v3代码详解（一）：darknet53网络结构分析+Netron工具

 

本周，我们进一步研究YOLOv3是怎样检测图片内容的，在这篇文章和下一篇文章中，我们先不研究如何训练YOLOv3的darknet53网络，而是先看一看使用已经训练好的YOLOv3模型，相应的Python程序时如何完成图片中的目标检测的。

这篇文章的主要内容是介绍YOLOv3的目标检测原理，下一篇文章详细解读目标检测的代码部分。

这篇文章的内容主要包括6部分内容，分别是：（一）检测过程、（二）anchor box、（三）中心坐标和边框、（四）目标分数、（五）类别置信度、和（六）输出处理。

（一）检测过程

YOLOv3的图像检测过程大致如下：

（1）输入一张任意大小图片，保持长宽比不变的情况下，缩放至 w 或 h 达到416，生成416x416的新图，作为网络的输入input。即网络的输入是一张416x416、3通道的RGB图片。

（2）运行网络。YOLOv3的卷积神经网络（CNN）网络的输出把图片分成NxN个网格（YOLOv3多尺度预测，输出有3层featue maps，每层feature map有NxN个网格，分别为13x13 、26 x26 和52x52），然后每个网格负责去检测那些中心点落在该格子内的目标。下图是在一个13x13的feature map中对小狗进行识别：