关于目标检测中预测后如何选择最终目标

yolo部分算是顺利地复现了代码，记录一下学习过程中的几个点：

• 全图是被分成7*7个部分，并不是一个格子7*7大小，这里我老是忘记！
• 数据标签中bbox的边框是[x,y,w,h]表示形式，在此基础上随同图像进行一系列的变化。

1. 图像因为大小不同，且还不是正方形，所以要预处理到448*448大小。网上代码有两种处理方式：一是先给图像短的一边加上value=0的pad，使图像变成正方形，再缩小或扩大至448，一是直接将图像拉伸成448。这里我选择了第一种方法，觉得不会破坏图像的真实特征。
2. 跟随图像的变化，bbox也进行变化，图像先加了边框，对bbox的影响是中心点x,y坐标也要加上pad的值；接下来图像扩大至448，按照比例，中心点变化，宽高也变化。至此边框和图像一致。
3. 以bbox中心点来寻找真正用来检测的格子，全图共有7*7个格子，中心点坐标在448图中的位置以比例来表示，即中心xy除以448，得到比例之后乘7则得到了这个点在7*7格网内的哪个格。比如，xy在448中是0.5的位置（中间），乘7后为3.5，看，也是在7*7格网的中间吧，这里娶个整是第几个格子。这是找到了格网，但是在格网中的具体什么位置呢？则是xy*7-int(xy*7)，这是在负责检测的那个格子中的比例位置。ok，现在的坐标和宽高值就是真实送入训练的，得到的预测值也是这样的模式
4. 预测结束后，得到的bbox并不是可展示的，要按照之前的计算方式反向复原回去。预测结果为7*7*30，[i，j]为7*7中的索引，[i，j]/7得到中心坐标在全图的粗糙位置比例， 预测中的中心坐标/7得到在格子中的精确比例，相加得到真正的比例。再中心坐标和宽高乘以448，恢复到以448为基础的框坐标。
5. 如果只是展示的话，展示448的图像和第4步得到的框就行，要是得到对应真正图片的bbox，则中心坐标除以原正方形与448的比例，再加上原图成为正方形所增加的pad