YOLOv3目标检测原理（下）

从锚框到预测框

初始的时候每个锚框都在格子的左上角，于是我们便基于格子的左上角对其进行一个调整

• 先做一个中心点的偏移，把锚框的中心点偏移到与真实框一样
  .左上角的坐标即为网格坐标（Cx,Cy)
  .再对其做一个tx,ty的偏移
  .可以做到中心点偏移到和真实框一样了
  .对预测框的长度和宽度进行一个拉伸，达到与真实框一样
• 对为什么xy上要取sigmoid,hw上取exp的解答
  
  . 不管tx取多少，取了sigmoid以后他肯定在0~1之间
  . 对于预测框的宽度和高度我们期望是一个正值
• 锚框只给出了框的宽度和高度，怎么去表示图像中物体真实框？
  有多少个真实框？分别在图像的哪个位置？
  . 划分网格，“框海”战术
  . 网格粗定位 + 中心点偏移精定位
• 锚框的宽度和高度是固定的，物体真实框的宽度和高度各种各样，怎么去表示？
  . 宽高拉伸

为什么要有锚框

YOLOv3网络的输入输出（复习）

YOLOv3检测流程

YOLOv3的检测流程

• class代表物体的类别
• 将真实框进行一个‘整容’，然他变得和输出一样，这样才好去算LOSS
• YOLOv3的输出H和W，就相当于把图像划分成H*W个网格，真实框落到那个网格我们就填到哪个网格里面去

真实框的匹配

在YOLOv3中，后一个真实框会覆盖掉前一个真实框这会导致前一个真实框的丢失，这也是为什么YOLOv3不适合检测考的比较近的、有遮挡的物体的原因（又可能落在同一个网格）

由真实框得到监督信息

得到监督信息之后，他们就变得一摸一样了，我们就可以按照通道算各自的损失

损失函数

YOLOv3预测流程

计算预测框

NMS

• 按照类别进行分组，在计算的时候互不干扰
• 按照预测框的评分进行降序排序，后面的预测框他的IOU大于阈值的情况下就认为他们是一样的让Score高的预测框代表Score低的预测框后再依次比较，保证最后留下来的都是意见不一样的