论文阅读准备知识
一、YOLO
1.YOLO网络结构
- GoogLeNet + 4个卷积 + 2个全连接层
- 网格输出大小 : 7 x 7 x 30 Tip:Image size = 7 x 7
2.流程理解
单元格:
7 x 7 = 49个像素值,理解为49个单元格
每个单元格负责预测一个物体类别,并且直接预测物体的概率值
每个单元格:两个(默认)bbox位置,两个置信度(confidene)
- 一个bbox : xmin , ymin , xmax , ymax , confidence
- 两个bbox : 4 + 1 + 4 + 1 = 10个值
- 30 : 已用了10个,剩余20表示20类的预测结果
3.网格输出筛选
- 一个网格会预测两个bbox,在训练时我们只有一个bbox专门负责预测概率。
- 20个类别概率代表这个网格当中的一个bbox。
每个bounding box都对应一个confidence score.
- 如果grid cell里没有object,confidence就是0
- 如果有,则confidence score等于预测的bbox 和 ground truth 的IOU乘积
两个bbox的4个值斗鱼ground truth进行IOU计算,得到两个IOU值,比大小
如何判断一个grid cell里是否包含object呢?
如果一个 object 的 ground truth 的中心点坐标在一个 grid cell 中,那么这个grid cell 就是包含这个object,也就是说这个object的预测由该 grid cell 负责