yolov4 预测框解码详解【附代码】

已于 2022-09-02 16:40:30 修改
阅读量1.9k 收藏 12
点赞数 2
文章标签： 深度学习 人工智能 机器学习
于 2022-09-01 17:11:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/z240626191s/article/details/126644632
版权

在上一篇文章中yolov4 LOSS代码详解【附代码】 * 详细讲解了训练过程中loss的实现过程。这篇文章将关注预测过程中box的解码问题。

            # ---------------------------------------------------------#
            #   将图像输入网络当中进行预测！
            # ---------------------------------------------------------#
            outputs = self.net(images)
            outputs = self.bbox_util.decode_box(outputs)

上面这段代码中，net是我们定义的yolov4网络，images就是我们输入的图像，outputs就是网络输出。

此刻我的outputs类型是tuple形式，里面有三个output，outputs=(output0,output1,output2)。这三个output的shape分别是(1,255,19,19)、(1,255,38,38)、(1,255,76,76)。 255=3*(5+80)，80是coco类别数量，5表示box的信息和是否有类。

decode_box()函数就是本次的研究内容，它会对网络的输出进行解码，获得新的输出。

decode_box详解：

获得输入尺寸

首先定义一个outputs的空列表，用来存储后面我们处理后的输出。

这里的inputs就是 网络的输出，通过enumerate进行枚举，input就是yolo的三个输出特征层。可以获得各个尺寸，以输入大小608为例，第一次遍历时，batch_size=1，input_height=input_height=19。

outputs = []
for i, input in enumerate(inputs):
            #-----------------------------------------------#
            #   输入的input一共有三个，他们的shape分别是
            #   batch_size, 255, 13, 13
            #   batch_size, 255, 26, 26
            #   batch_size, 255, 52, 52
            #-----------------------------------------------#
            batch_size      = input.size(0)
            input_height    = input.size(2)
            input_width     = input.size(3)

 获得步长(缩放比)

 接下来是计算缩放比例，就是计算网络输入缩小多少倍变成特征层大小【有些地方把这个比例也叫步长】。

            #-----------------------------------------------#
            #   输入为416x416时
            #   stride_h = stride_w = 32、16、8
            #-----------------------------------------------#
            stride_h = self.input_shape[0] / input_height
            stride_w = self.input_shape[1] / input_width

由于此时的网络输入大小是608，特征层大小为19，因此部长为32，就是缩小了32倍。

stride_h=stride_w=32 

计算anchor相对特征层缩放尺寸

 接下来是计算anchors的缩放尺寸。也就是将anchors映射到特征层上。

缩放前anchors:

[[ 12.  16.],

[ 19.  36.],

[ 40.  28.],------>对应76 * 76特征层

[ 36.  75.],

[ 76.  55.],

[ 72. 146.],----->对应38 * 38 特征层

[142. 110.],

[192. 243.],

[459. 401.]]---->对应19 * 19特征层

由于我们现在先需要处理的是19 * 19 这个特征层的，通过anchors_mask进行索引获得对应的anchors。此时我们计算得到的缩放比例为32，因此这三个尺寸的anchors也需要缩小32倍。

            #-------------------------------------------------#
            #   此时获得的scaled_anchors大小是相对于特征层的
            #-------------------------------------------------#
            scaled_anchors = [(anchor_width / stride_w, anchor_height / stride_h) for anchor_width, anchor_height in self.anchors[self.anchors_mask[i]]]

得到缩放后的19 * 19 特征层上3种anchors的尺寸。 

[(4.4375, 3.4375),

(6.0, 7.59375),

(14.34375, 12.53125)] 

获得网络预测信息(box和类) 

我们的input shape为(1,255,19,19)，这样不太直观，也不好处理，因此我们对shape进行一个改变，变为(1,3,85,19,19)，在用permute(0,1,3,4,2)对维度顺序进行改变，此刻变为(1,3,19,19,85)，也就是我们得到的prediction。

这里需要说一下，prediction[...,0] = prediction[:,:,:,:,0]。

取最后一个维度【也就是5+80这个维度上】的前4列可以获得所有cell上预测box的center_x，center_y，w，h，第五列(prediction[...,4])是是否有物体【此刻的conf还是hard形式，所以需要经过sigmoid函数给出概率值】。从prediction[...,5:]就是80个类信息【同样也是hard形式】，进行sigmoid可以获得三种anchor在19 * 19网格上所有类别的预测置信度。

            #-----------------------------------------------#
            #   输入的input一共有三个，他们的shape分别是
            #   batch_size, 3, 13, 13, 85
            #   batch_size, 3, 26, 26, 85
            #   batch_size, 3, 52, 52, 85
            #-----------------------------------------------#
            prediction = input.view(batch_size, len(self.anchors_mask[i]),
                                    self.bbox_attrs, input_height, input_width).permute(0, 1, 3, 4, 2).contiguous()

            #-----------------------------------------------#
            #   先验框的中心位置的调整参数
            #-----------------------------------------------#
            x = torch.sigmoid(prediction[..., 0])  
            y = torch.sigmoid(prediction[..., 1])
            #-----------------------------------------------#
            #   先验框的宽高调整参数
            #-----------------------------------------------#
            w = prediction[..., 2]
            h = prediction[..., 3]
            #-----------------------------------------------#
            #   获得置信度，是否有物体
            #-----------------------------------------------#
            conf        = torch.sigmoid(prediction[..., 4])
            #-----------------------------------------------#
            #   种类置信度
            #-----------------------------------------------#
            pred_cls    = torch.sigmoid(prediction[..., 5:])

比如我这里举个例子。比如我现在要获得所有person这个类在所有cell中内所有anchor的置信度。那么一个有3*19*19*1个值。

tensor([[[[1.5125e-03, 5.7717e-03, 1.2517e-02,  ..., 9.4604e-03,
           6.4645e-03, 3.9380e-03],
          [3.4480e-02, 3.0047e-02, 1.8495e-02,  ..., 1.7670e-02,
           2.7245e-02, 1.4117e-02],
          [1.1721e-01, 8.4902e-02, 2.8659e-02,  ..., 4.6449e-02,
           1.5122e-01, 9.6072e-02],
          ...,
          [8.8295e-01, 9.0356e-01, 3.8897e-01,  ..., 1.9456e-03,
           1.5115e-02, 1.2139e-01],
          [8.5030e-01, 9.4131e-01, 6.9385e-01,  ..., 7.4368e-04,
           4.2023e-03, 1.2149e-01],
          [8.6811e-01, 8.6302e-01, 6.4376e-01,  ..., 2.2633e-03,
           5.0898e-03, 7.8965e-03]],

         [[6.2741e-03, 1.0798e-02, 1.7037e-02,  ..., 9.2335e-03,
           8.9423e-03, 2.2053e-02],
          [3.6071e-02, 2.1278e-02, 1.4221e-02,  ..., 1.4337e-02,
           1.4463e-02, 1.8076e-02],
          [1.4068e-01, 9.8277e-02, 4.1939e-02,  ..., 5.7934e-02,
           1.5278e-01, 1.1965e-01],
          ...,
          [8.6118e-01, 8.5999e-01, 5.3942e-01,  ..., 1.2218e-03,
           1.4375e-02, 2.0362e-01],
          [9.1455e-01, 9.4715e-01, 7.2468e-01,  ..., 8.6567e-04,
           4.2050e-03, 1.5936e-01],
          [8.8682e-01, 9.0414e-01, 7.7474e-01,  ..., 1.7651e-03,
           4.7418e-03, 1.7866e-02]],

         [[1.2892e-02, 1.0655e-02, 1.8664e-02,  ..., 1.4098e-02,
           1.0832e-02, 2.6804e-02],
          [4.9359e-02, 1.9839e-02, 3.1507e-02,  ..., 1.4819e-02,
           9.5383e-03, 2.0111e-02],
          [1.6157e-01, 1.6885e-01, 1.2669e-01,  ..., 9.5604e-02,
           1.5007e-01, 1.0721e-01],
          ...,
          [5.9196e-01, 6.2065e-01, 7.3476e-01,  ..., 2.0107e-03,
           1.2156e-02, 1.9672e-01],
          [8.8735e-01, 9.2701e-01, 8.6674e-01,  ..., 2.9043e-03,
           5.8838e-03, 1.0288e-01],
          [8.3874e-01, 8.6092e-01, 7.4291e-01,  ..., 7.3370e-03,
           8.0380e-03, 1.6741e-02]]]], device='cuda:0')

生成网格

 然后我们就可以划分网格了。可以得到grid_x和grid_y。shape均为【1，3，19，19】.每种anchor都有19*19个网格。

            #----------------------------------------------------------#
            #   生成网格，先验框中心，网格左上角 
            #   batch_size,3,13,13
            #----------------------------------------------------------#
            grid_x = torch.linspace(0, input_width - 1, input_width).repeat(input_height, 1).repeat(
                batch_size * len(self.anchors_mask[i]), 1, 1).view(x.shape).type(FloatTensor)
            grid_y = torch.linspace(0, input_height - 1, input_height).repeat(input_width, 1).t().repeat(
                batch_size * len(self.anchors_mask[i]), 1, 1).view(y.shape).type(FloatTensor)

按照网络格式生成先验框的宽和高

下面的代码相当于是给所有的cell都设置好anchor的尺寸。

            #----------------------------------------------------------#
            #   按照网格格式生成先验框的宽高
            #   batch_size,3,13,13
            #----------------------------------------------------------#
            anchor_w = FloatTensor(scaled_anchors).index_select(1, LongTensor([0]))
            anchor_h = FloatTensor(scaled_anchors).index_select(1, LongTensor([1]))
            anchor_w = anchor_w.repeat(batch_size, 1).repeat(1, 1, input_height * input_width).view(w.shape)
            anchor_h = anchor_h.repeat(batch_size, 1).repeat(1, 1, input_height * input_width).view(h.shape)

 利用预测结果对anchors进行调整

接下来的这一步比较关键，因为我们获得分类结果是很好获得的，只需要获得置信度即可，但如果去利用anchor获得目标的尺寸【或者说box呢】。

pred-boxes是用来存储调整后的box，x.data+grid_x这种操作其实就是将预测框的坐标信息映射到特征层(我们的网格)坐标。

            #----------------------------------------------------------#
            #   利用预测结果对先验框进行调整
            #   首先调整先验框的中心，从先验框中心向右下角偏移
            #   再调整先验框的宽高。
            #----------------------------------------------------------#
            pred_boxes          = FloatTensor(prediction[..., :4].shape)
            pred_boxes[..., 0]  = x.data + grid_x
            pred_boxes[..., 1]  = y.data + grid_y
            pred_boxes[..., 2]  = torch.exp(w.data) * anchor_w
            pred_boxes[..., 3]  = torch.exp(h.data) * anchor_h

输出结果归一化

得到的output的shape为【1，3*19*19，85】

            #----------------------------------------------------------#
            #   将输出结果归一化成小数的形式
            #----------------------------------------------------------#
            _scale = torch.Tensor([input_width, input_height, input_width, input_height]).type(FloatTensor)
            output = torch.cat((pred_boxes.view(batch_size, -1, 4) / _scale,
                                conf.view(batch_size, -1, 1), pred_cls.view(batch_size, -1, self.num_classes)), -1)
            outputs.append(output.data)

上面就是我们box的解码过程了。最后再将输出结果经过NMS进行box过滤即可。

完整的代码：

    def decode_box(self, inputs):
        outputs = []
        for i, input in enumerate(inputs):
            #-----------------------------------------------#
            #   输入的input一共有三个，他们的shape分别是
            #   batch_size, 255, 13, 13
            #   batch_size, 255, 26, 26
            #   batch_size, 255, 52, 52
            #-----------------------------------------------#
            batch_size      = input.size(0)
            input_height    = input.size(2)
            input_width     = input.size(3)

            #-----------------------------------------------#
            #   输入为416x416时
            #   stride_h = stride_w = 32、16、8
            #-----------------------------------------------#
            stride_h = self.input_shape[0] / input_height
            stride_w = self.input_shape[1] / input_width
            #-------------------------------------------------#
            #   此时获得的scaled_anchors大小是相对于特征层的
            #-------------------------------------------------#
            scaled_anchors = [(anchor_width / stride_w, anchor_height / stride_h) for anchor_width, anchor_height in self.anchors[self.anchors_mask[i]]]

            #-----------------------------------------------#
            #   输入的input一共有三个，他们的shape分别是
            #   batch_size, 3, 13, 13, 85
            #   batch_size, 3, 26, 26, 85
            #   batch_size, 3, 52, 52, 85
            #-----------------------------------------------#
            prediction = input.view(batch_size, len(self.anchors_mask[i]),
                                    self.bbox_attrs, input_height, input_width).permute(0, 1, 3, 4, 2).contiguous()

            #-----------------------------------------------#
            #   先验框的中心位置的调整参数
            #-----------------------------------------------#
            x = torch.sigmoid(prediction[..., 0])  
            y = torch.sigmoid(prediction[..., 1])
            #-----------------------------------------------#
            #   先验框的宽高调整参数
            #-----------------------------------------------#
            w = prediction[..., 2]
            h = prediction[..., 3]
            #-----------------------------------------------#
            #   获得置信度，是否有物体
            #-----------------------------------------------#
            conf        = torch.sigmoid(prediction[..., 4])
            #-----------------------------------------------#
            #   种类置信度
            #-----------------------------------------------#
            pred_cls    = torch.sigmoid(prediction[..., 5:])

            FloatTensor = torch.cuda.FloatTensor if x.is_cuda else torch.FloatTensor
            LongTensor  = torch.cuda.LongTensor if x.is_cuda else torch.LongTensor

            #----------------------------------------------------------#
            #   生成网格，先验框中心，网格左上角 
            #   batch_size,3,13,13
            #----------------------------------------------------------#
            grid_x = torch.linspace(0, input_width - 1, input_width).repeat(input_height, 1).repeat(
                batch_size * len(self.anchors_mask[i]), 1, 1).view(x.shape).type(FloatTensor)
            grid_y = torch.linspace(0, input_height - 1, input_height).repeat(input_width, 1).t().repeat(
                batch_size * len(self.anchors_mask[i]), 1, 1).view(y.shape).type(FloatTensor)

            #----------------------------------------------------------#
            #   按照网格格式生成先验框的宽高
            #   batch_size,3,13,13
            #----------------------------------------------------------#
            anchor_w = FloatTensor(scaled_anchors).index_select(1, LongTensor([0]))
            anchor_h = FloatTensor(scaled_anchors).index_select(1, LongTensor([1]))
            anchor_w = anchor_w.repeat(batch_size, 1).repeat(1, 1, input_height * input_width).view(w.shape)
            anchor_h = anchor_h.repeat(batch_size, 1).repeat(1, 1, input_height * input_width).view(h.shape)

            #----------------------------------------------------------#
            #   利用预测结果对先验框进行调整
            #   首先调整先验框的中心，从先验框中心向右下角偏移
            #   再调整先验框的宽高。
            #----------------------------------------------------------#
            pred_boxes          = FloatTensor(prediction[..., :4].shape)
            pred_boxes[..., 0]  = x.data + grid_x
            pred_boxes[..., 1]  = y.data + grid_y
            pred_boxes[..., 2]  = torch.exp(w.data) * anchor_w
            pred_boxes[..., 3]  = torch.exp(h.data) * anchor_h

            #----------------------------------------------------------#
            #   将输出结果归一化成小数的形式
            #----------------------------------------------------------#
            _scale = torch.Tensor([input_width, input_height, input_width, input_height]).type(FloatTensor)
            output = torch.cat((pred_boxes.view(batch_size, -1, 4) / _scale,
                                conf.view(batch_size, -1, 1), pred_cls.view(batch_size, -1, self.num_classes)), -1)
            outputs.append(output.data)
        return outputs

爱吃肉的鹏
关注
  • 2
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
YOLOV3代码学习--util锚框回归
fanfou_的博客
08-30 190
repeat每次在前面添加一个维度，batch_size*len(self.anchor_mask[i])使用view拆成batch_size,len(self.anchor_mask[i])三维变成四维度。repeat在w,h生成第三维度，每张图片的三个先验框先确定出尺寸相同为scaled_anchor。）的高级索引操作，可以用于在多维数组的任何维度上进行索引。在本例中，最后一个维度是。[6,7,8][1,2,3][4,5,6]为三种特征层锚框序列。，表示每个样本、每个先验框在属性维度上的第一个属性。
【万字长文】看完这篇yolov4详解，那算是真会了
最新发布
dont worry about it的博客
04-28 4万+
YOLO系列自2016年推出YOLOv1起，就以其卓越的速度和准确度引领着目标检测技术的潮流。YOLOv1将目标检测任务转化为一个回归问题，每个格子（grid cell）负责预测该区域内的物体。随后的YOLOv2通过批量归一化、高斯YOLO等技术进一步提升性能。YOLOv3引入多尺度预测，通过三个不同尺度的网络来检测不同尺寸的物体，极大地提升了对小目标的检测能力。
YOLOv3-药草识别实现
Hanzoe的博客
10-04 966
一、标注工具（labelimg） 使用工具lableimg 1.操作步骤 使用cmd进入下载目录之后，使用python lableimg进入标注工具，open选择文件之后，选择Create\nRectBox进行选择区域，并且标注药草名，如下： 2、保存后的效果图 3.xml文件内容 二、下载编译darknet 1.拉取darknet git clone https://github.co...
yolov4原理及对应代码详解【对比yolov3】
小样yx的博客
11-22 6729
前言 该篇文章主要是自己学习yolov4时做的一个总结，让自己理解更清晰，综合多个优质博主及yolov4论文原文，写出的一些学习理解。 yolov4论文下载链接： yolov4-keras源码链接： yolov3原理： 一、yolov4性能表现 在论文的第一页就有上面这张图，意思是研究者对比了 YOLOv4 和当前最优目标检测器，发现YoLov4在取得EfficientDet同等性能的情况下，速度是它的两倍。，并且AP与FPS这两项指数相比YOLOv3分别提高了10%与12%。 AP：average pr
YOLOv4目标检测：原理与源码解析
06-26
需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战：原理与源码解析》，课程链接 https://edu.csdn.net/course/detail/29865【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. 冗谈不够，放码过来！  代码阅读是从基础到提高的必由之路。尤其对深度学习，许多框架隐藏了神经网络底层的实现，只能在上层调包使用，对其内部原理很难认识清晰，不利于进一步优化和创新。YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。YOLOv4的实现darknet是使用C语言开发的轻型开源深度学习框架，依赖少，可移植性好，可以作为很好的代码阅读案例，让我们深入探究其实现原理。【课程内容与收获】 本课程将解析YOLOv4的实现原理和源码，具体内容包括：- YOLOv4目标检测原理- 神经网络及darknet的C语言实现，尤其是反向传播的梯度求解和误差计算- 代码阅读工具及方法- 深度学习计算的利器：BLAS和GEMM- GPU的CUDA编程方法及在darknet的应用- YOLOv4的程序流程- YOLOv4各层及关键技术的源码解析本课程将提供注释后的darknet的源码程序文件。【相关课程】 除本课程《YOLOv4目标检测：原理与源码解析》外，本人推出了有关YOLOv4目标检测的系列课程，包括：《YOLOv4目标检测实战：训练自己的数据集》《YOLOv4-tiny目标检测实战：训练自己的数据集》《YOLOv4目标检测实战：人脸口罩佩戴检测》《YOLOv4目标检测实战：中国交通标志识别》建议先学习一门YOLOv4实战课程，对YOLOv4的使用方法了解以后再学习本课程。【YOLOv4网络模型架构图】 下图由白勇老师绘制  
mpeg4编解码代码大全.rar
08-27
《mpeg4编解码代码大全》是一份珍贵的资源，主要涵盖了mpeg4编码与解码技术的详细实现。MPEG4是一种高效的视频压缩标准，广泛应用于数字电视、网络流媒体、移动通信等领域。这份压缩包文件包含了一系列与mpeg4编解码...
Mpeg4编解码源代码
09-01
这个压缩包文件包含了MPEG-4编解码的源代码，对于学习和理解视频编码技术，以及进行相关软件开发非常有价值。 在深入探讨MPEG-4编解码源代码之前，我们先了解一下MPEG-4的基本概念： 1. **MPEG-4标准**：MPEG...
yolov4-车道线检测代码
03-19
主要内容：使用yolov4进行车道线检测以及车辆距离预测 适用人群：对深度学习感兴趣，或者从事相关工作的人员，可以下载玩玩 使用场景：作为demo在驾驶场景可以使用 具体实现：onnx+opencv+numpy的主要组合 (1)定义...
AAC解码算法原理详解（附代码）
01-30
4. 解码步骤 - 分析文件格式，如果是ADIF，直接解ADIF头信息；如果是ADTS，则寻找同步头。 - 解析ADTS帧头信息，包括固定头信息和可变头信息。 - 错误检测，确保数据的完整性。 - 解码块信息，包括各种元素如SCE...
mpeg4.rar_MPEG4 源代码_MPEG4 解码_mpeg4_mpeg4 编码
09-22
mpeg4的编码、解码的源代码，附有编、解码的文档说明，易懂。
基于YOLOv4的目标检测系统（附MATLAB代码+GUI实现）
思绪无限的博客
05-04 1万+
本文介绍了一种MATLAB实现的目标检测系统代码，采用 YOLOv4 检测网络作为核心模型，用于训练和检测各种任务下的目标，并在GUI界面中对各种目标检测结果可视化。文章详细介绍了YOLOv4的实现过程，包括算法原理、MATLAB 实现代码、训练数据集、训练过程和图形用户界面。在GUI界面中，用户可以选择各种图片、视频、摄像头进行检测识别，可更换检测模型。本文提供了完整的 MATLAB 代码和使用教程，适合新入门的朋友参考。完整代码资源文件请参见文末的下载链接。
【代码分析】Pytorch版YOLO V4代码分析
c20081052的专栏
05-08 2万+
YOLO V4出来也几天了，论文大致看了下，然后看到大量的优秀者实现了各个版本的YOLOV4了。 Yolo v4 论文: https://arxiv.org/abs/2004.10934 AB大神Darknet版本的源码实现: https://github.com/AlexeyAB/darknet 本文针对Pytorch版本实现的YOLOV4进行分析，感谢Tianxiaomo 分享的工程：P...
Yolov4网络代码Pytorch
qq_39865109的博客
01-26 366
import torch import torch.nn as nn import torch.nn.functional as F from torchsummary import summary # Mish = x*tanh(ln(1+e^x)) class Mish(nn.Module): def __init__(self): super().__init__() def forward(self, x): x = x * (torch.ta
yolov4 LOSS代码详解【附代码】
z240626191s的博客
08-30 1977
本文章是可以更好的了解YOLOv4的损失函数，从实践过程中去了解这部分的处理过程。这里先将LOSS中的初始化参数列出来。在训练代码中outputs是我们的，，如果输入大小是416 * 416，那么三个特征层就是13 * 13，26 * 26， 52 *52，如果是608的就是19 * 19， 38 * 38，76 * 76，可以看到yolo_loss，传入了三个参数，l是预测层的索引，.........
yolov4 从跑通代码到训练模型
z17338523033的博客
04-30 542
第一章 yolo环境的配置安装顺序是先安装vs2017，vs2017要勾选C++，再装cuda，因为要构建cuda和vs2017的依赖，不然装cuda的时候他会检测你电脑没有vs2017，会少装一点东西先查看电脑最高支持cuda的版本然后上官网下载你需要的版本，肯定要比你电脑支持版本低，不然驱动支持不了翻译一下就会出现中文了，下载cudnn还是比较麻烦的，得注册加入开发人员计划，cudnn的版本也要和你的cuda版本对应darknet下载网址下载自己需要的版本重点！
【YOLO系列】 YOLOv4之Mosaic数据增强（附代码）
江湖小Jay的博客
01-15 2688
Mosaic数据增强是一种在目标检测任务中常用的技术，特别是在使用YOLO系列算法时。这种数据增强方法通过将四张图片随机组合成一张新的图片，从而增加数据集的多样性，提高模型的泛化能力。将这样一张新的图片传入到神经网络当中去学习，相当于一下子传入四张图片进行学习了。这极大丰富了检测物体的背景，且在标准化BN计算的时候一下子会计算四张图片的数据。
yolov1 - yolov4 深度理解
you 是 mine
11-03 2556
一、目标检测的各个组成部分 1. Input 2. Backbone 3. Neek 4. Head 共包含上面4个部分，其中可以替换的结构如下图所示： 说明：Dense Prediction:标注出图像中每个像素点的对象类别 Sparse Prediction:稀疏预测 七、问题： 什么情况下需要使用nms？ 答：图片中有多个同类目标时。 同类：最大抑制只能是抑制同一类的框 多个：当图片中只有1个目标时，直接输出score最高的即可，不需要nms。 y
YOLOv3/YOLOv4(GPU)+Win10+VS2019的配置（从０开始）
qq_45940791的博客
08-21 6789
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言VS2019的下载vs2019安装勾选 前言 本文章主要分为了两个板块：YOLOv3的配置和YOLOv3用自己的数据集训练。 点击这里跳转到第二篇的地址 这几天以来，我也看了很多这方面的博客，依然是踩了很多的坑才过来的。因此我写了这两篇博客，希望能够帮助一些人。 VS2019的下载 VS2019的下载比较简单。点击下载地址即可到官网下载VS2019，选择Community版即可。 安装的时候需要注意勾选以下几个就可以了。注意要
yolov8预测框如何得到
10-14
在Yolov4中，预测框的获取是通过对网络输出的特征图进行解码得到的。具体来说，对于每个格子，Yolov4会预测出若干个边界框，每个边界框包含5个基本信息：中心点坐标、宽度、高度和置信度。同时，每个边界框还会预测...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

爱吃肉的鹏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值