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