本文分析了YoloV3在处理bbox坐标时如何限制anchor box预测范围，以提高训练效率。通过归一化和sigmoid函数，确保tx,ty,tw,th在[0,1]之间，限制预测目标为邻近对象。get_yolo_box()和delta_yolo_box()两个函数在坐标转换中的作用和其中的参数如biases、truth等进行了探讨，其中scale的含义仍有待深入理解。"
104664486,9362253,JavaScript Array Map() 实践解析,"['javascript', '编程技巧', '数组方法', '字符串处理']
yolov2吸收faster rcnn的anchor box机制时遇到训练不稳定的问题，分析认为是bbox坐标回归时没有限制，导致anchor box可能会去预测一个距离很远的object，效率不高，因此yolov2对bbox的坐标进行一系列的处理，令anchor box只会对邻近的object负责。阅读论文和代码时难以理解这个机制，以下是个人的一些分析，不保证正确，欢迎讨论指正。
公式中 ( t x , t y , t w , t h ) (t_x,t_y,t_w,t_h) (tx,ty,tw,th)是预测目标，上述公式定义了如何从 ( t x , t y , t w , t h ) (t_x,t_y,t_w,t_h) (tx,ty,tw,
最低0.47元/天 解锁文章
扫一扫
801
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
