目标检测-yolo2 输出向量格式 作者：马育民 • 2020-10-13 21:08 • 阅读：10401 # 介绍 [](https://www.malaoshi.top/upload/pic/deeplearning/QQ20201013212804.png) 如上图，每个像素点有5个 anchors box（橙色框），红色框是真实框，输出的格式如下： ``` (tx,ty,tw,th,c,分类) * 5 ``` - tx、ty：相当于真实框 **中心点** 坐标的偏移量，下面有计算公式 - tw、th：相当于真实框 **中心点** 宽高的偏移量 - c： confidence，anchors box 与 真实框 重合率。[iou算法](https://www.malaoshi.top/search.jsp?title=iou "iou算法") - 分类：onehot编码，也就是说20个分类（voc2007有20个分类），就有20个`0或1`组成 - 5：有5个anchors box，所以要乘5 ### 优点 每一个anchors box都能预测一个类别 ### 例子 假设有20个分类，那么维度是： ``` (25,30,35,50,0.8,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0)*5 ``` 即： ``` (4+1+20)*5=125 ``` # 计算方法（YOLOv2） 预测边界框 中心点 相对于对应 **grid cell** 左上角位置的相对 **偏移值**，为了将边界框中心点约束在当前cell中，使用`sigmoid`函数处理偏移值，这样预测的偏移值在(0,1)范围内。 >关于 `sigmoid`函数 参见： https://www.malaoshi.top/show_1EF4IWSucFTE.html 默认YOLOv2，最终得到的特征图大小为 `13x13`，所以grid cell是`13x13`个格子，cell宽、高是1： [](https://www.malaoshi.top/upload/0/0/1EF5EwJn3Efi.png) 假设 cell的左上角坐标`(cx,cy)`，预测边界框的4个偏移值 `tx,ty,tw,th`，anchor box 的宽高`pw,ph`，实际边界框为：bx,by,bw,bh（要预测的值），如下图： [](https://www.malaoshi.top/upload/0/0/1EF5Ew7NByhD.jpg) 计算公式为： [](https://www.malaoshi.top/upload/0/0/1EF5EwPjKEIq.png) **注意：** - `a()`是sigmoid激活函数，结果在`0 ~ 1`之间 - 计算的是中心点坐标 由于sigmoid函数的处理，边界框的中心位置会约束在当前cell内部，防止偏移过多。 原文出处：/show_1EF6QvK6QiWi.html