YOLO目标检测问题汇总

1. yolov5中推理时置信度，设置的conf和iou_thres具体含义

一、模型输出解析:

设输出图片大小为1280，768，类别个数为2，则yolov5输出的三种特征图，其维度分别为：[1,3,96，160，7]，[1,3,48,80,7]，[1,3,24,40,7]；相当于yolov5模型总共输出（96160+4880+24*40）*3=60480个目标框；

其中，[1,3,96,160,7] 中1指代输入图像个数为1，3指的是该尺度下的3种anchor，(96,160) 指的是特征图的尺寸，7具体指的是：（center_x,center_y, width, height, obj_conf, class_1_prob， class_2_prob ），即分别为box框中心点x,y,长和宽 width,height,以及该框存在目标的置信度obj_conf,类别1和类别2 的置信度,若class_1_prob > class_2_prob,则该框的类别为class1；因此，obj_conf和class_1_prob一个指得是该框存在目标的概率，一个指是该框分类为类别1的概率；

二、yolov5后处理解析;

从一可知模型输出了60480个目标框，因此，要经过NMS进行过滤，进NMS之前需要经过初筛（即将obj_conf小于我们设置的置信度的框去除），再计算每个box框的综合置信度conf：conf = obj_conf * max(class_1_prob ,class_2_prob)，此时的conf是综合了obj_conf以及class_prob的综合概率；再经过进一步的过滤（即将conf小于我们设置的置信度的框去除），最后，将剩余的框通过NMS算法，得出最终的框；（NMS中用到了我们设置的iou_thres）

因此，最终我们可视化在box上方的置信度是综合了obj_conf以及class_prob的综合概率；

三、常见概念解析

作者在YOLO官方代码 中回复了。train.py，val.py和detect.py三个文件中置信度conf和IoU阈值的目的不同，train.py文件是为了更好得到训练精度的权衡，val.py是为了得到更好的mAP值，detect.py是为了能够在真实世界中得到更加理想的效果。

四、不同方法的PR曲线绘制

1. 参考资料，yolov5和Fasterrcnn统一画P-R曲线
2. mmdetection

mmdetection 保存不同方法的检测结果
python tools/test.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth --out result/file_name.pkl