yolov3中 预测的bbox如何从特征图映射到原图?

Anchor Box的边框

选取标准的k-means(欧式距离来衡量差异),在box的尺寸比较大的时候其误差也更大,而我们希望的是误差和box的尺寸没有太大关系。所以通过IOU定义了如下的距离函数,使得误差和box的大小无关,故使用如下的距离度量。

解决了每个Grid Cell生成的bounding box的个数问题,又遇到了第二个问题,模型不稳定。特别是在早期的迭代中,而这种不稳定是由于预测box的位置(x,y)(x,y)引起的。对于YOLO V2这种随机初始化bbox的位置,需要训练很久的一段时间才能学习到平移量的合适。

yolov3中 预测的bbox如何从特征图映射到原图?_第1张图片

yolov3中 预测的bbox如何从特征图映射到原图?_第2张图片

 

转载于:https://www.cnblogs.com/walktosee/p/10484024.html

你可能感兴趣的:(人工智能,python)