多目标检测与识别 YOLOV3 解读1 怎么检测到物体

1 怎么检测到物体的？

1.1 为什么不直接用中心点、宽、高定位目标

一般来说，要检测物体就要定位物体，我们一般通过中心点、宽、高来定位，但是我们一般不让神经网络直接
学习宽、高。为什么？请看下图：
上面有两个框，一个大框一个小框，如果用神经网络直接学习宽、高，在设计损失的时候就会遇到问题，当损失很小的时候，对于大框而言位置会发生较小的偏移，但是对于小框而言，在相同的损失下小框的位置就会发生较大的偏移，导致的结果就是回归的位置不准。所以就不能直接学习宽、高。那么怎么解决这个问题？这时就引入了anchor box（建议框）的思想，让神经网络不用学习宽高，而是学习anchor box和真实框（标记框）的相对位置，学到了相对位置，网络就输出相对位置，我们就可以通过相对位置和anchor box反算目标所在的位置。

1.2 anchor box

上面说了可以用anchor box反算目标位置，那么anchor box怎么确定？要求是什么？
因为所有的目标都是通过anchor box反算回去的。所用anchor box必须满足检测物体的所有尺寸要求，怎么来得到这样的尺寸？于是就用了k-means的思想。yolov3就是选出了所有训练集进行聚类，聚出9个处于中心位置的框，选择这些框作为anchor box。这就是yolov3的anchor box的思想。

1.3 yolov3的思想

yolov3思想简单说就是物体所在中心点的网格就要负责预测该物体。一个中心点产生9种anchor box，对应的是3个不同尺度（1313，2626，52*52）来分别预测大物体 中物体 小物体。怎么判断是哪个anchor box来预测目标物体的？这时就用到了iou（交并bi），这里的iou就是标签框和anchor box的iou。哪个anchor box所对应的iou大那么就用哪个anchor box来预测目标物体。这就是yolov3是怎么检测到物体的。

总结

上面内容我总结下，要检测多目标的位置并且识别需要这几样东西。
1、真实框和建议框的位置关系。2、中心点 3、iou 4、类别（cls）
所以标签就要往这几个方向制作。