目标检测-基础知识

------------恢复内容开始------------

------------恢复内容开始------------

边界框：正好能框住物体的矩形框，bounding box（bbox）。它有两种表示方法，xyxy格式与xywh

真实框：数据集中标注的框，ground truth box（gt_box）

预测框：由模型预测输出的可能包含目标物体的边界框prediction box（pred_box）

检测任务输出：[L,P,x₁,y₁,x₂,y₂]，L是类别标签，P是所属类别的概率，一张图片会对应多个预测框。

---

 

锚框：是人为构造出来的假想框，以某种指定的规则生成。生成方式：在图像上选取一个点，然后指定锚框生成的宽度和高度，例如，下图在（300,500）这个像素点生成了三个锚框

 

在目标检测任务中，一般是如下图方式：

 

 

 

 预测框：在锚框基础上进行微调，由模型预测调整的幅度，每个候选区域（锚框）打上标签就可以建立模型了。

锚框跟真实框的重合度：交并比（Intersection of Union，简称：Iou） 

 

---

YOLOv3--设计思想

 

 

 

 首先知道输入图片大小，平均分小格子，取每个格子中心点生成锚框（例如生成3个）。然后通过自己标注的信息gt_box,gt_labels给每个锚框标注三个东西（1.是否包含物体，2.物体的位置，3.物体所属类别），这时每个锚框相当于一条训练数据。同时图像数据经过卷积网络提取特征后，输出的特征图有三个信息（1.包含物体的概率，2.预测框相对于锚框位置调整的幅度，3.物体所属类别）。通过这三个信息（相当于是预测值），与每个锚框（相当于真实值）建立损失函数。开启端到端的训练。

---

YOLOv3--生成锚框

step1：将原图划分成多个小格子区域

step2：选取小格子中心点，生成一系列锚框

生成锚框规则：生成的宽高有3种[w,h]：[116,90]、[156,198]、[373,326]

例子：假设现在有一张900*900尺寸的输入图片，我使用30*30大小的格子，那么会划分出30*30个小格子。取每个小格子的中心点，生成[116,90]、[156,198]、[373,326]的区域。也即是每个小格子产生3个锚框。此时这张输入图片将产生30*30*3=2700个锚框（候选区域）。

---

YOLOv3--生成预测框

预测框：可以看作是在锚框的基础上做微调，可以调整中心坐标和宽度、高度。