YOLO v1笔记

一、推理阶段

1、模型结构

2、推理过程解析

该图为数据集为VOC时的情况，S=7，B=2。

生成预测框

生成条件概率

输出tensor解析

1-5、6-10为两个bounding box的（x,y,w,h,conf）。11-30为20个类别的置信度。
x,y是相对于grid cell的中心点，w,h是相对于整张图片的宽高，所以都是0-1的值。

模型训练成功之后，输入未知图片，通过运行模型的前向计算得到一个7x7x30的tensor。该tensor划分为7x7个网格，每个网格预测两个bounding box，每个bounding box包含（x,y,w,h,conf）(x,y为中心点坐标）。

该bounding box的置信度乘以20个类别的条件概率得到该bounding box的20个类别的全概率。
每个grid cell 的每个bounding box都做该操作获得该框的类别概率，最终每一个类别都有98个类别分数。

3、后处理

去掉置信度低的框、重复的框。

对每个类别进行非极大值抑制。

选得分最大的框bbmax，将后面得分低且非零的框$bbmi{n}_i$与bbmax进行比较。
如果两个框的交并比大于阈值时，将$bbmi{n}_i$的分数设为0。

所有框比较完后，只有两个框的得分非零。
对所有类都重复上面的过程。

二、训练阶段

1、confidence计算

每个gt由它的中心点位于的grid cell来负责拟合它。根据gt 框和该grid cell的两个框的iou来选择其中一个bounding box进行拟合，另外一个bounding box丢弃。其他没有gt 中心点的grid cell也丢弃。
注：每个grid cell生成的两个bounding box的中心点都位于所属的grid cell中。

2、损失函数

end~

本人水平有限，有错的地方还请批评指正。
本文参考同济子豪兄。

什么是精神内耗？
简单地说，就是心理戏太多，自己消耗自己。
所谓：
言未出，结局已演千百遍；
身未动，心中已过万重山；
行未果，假想灾难愁不展；
事已闭，过往仍在脑中演。