YOLOv5基础知识点——目标框回归与跨网格预测策略

目标框PASCAL VOC标注格式

 

 x,y,w,h做了归一化处理

目标框的回归

Anchor给出目标宽高的初始值，需要回归的是目标真实宽高与初始宽高的偏移量 

预测框中心点相对于对应网格（grid cell）左上角位置的相对偏移值

为了将边界框中心点约束在当前网格中，使用sigmoid函数处理偏移值，是预测偏移值在（0，1）范围内

蓝色是预测框，虚线是先验框anchor，每一个黑色小网格（cx，cy）就是一个标准锚框

原始的yolo/darknet框方程式存在严重缺陷。宽度和高度完全不受限制，因为他们只是out-exp，这很危险，因为他可能导致时空的梯度、不稳定、NaN损失并最终完全失去训练。

对于yolov5，确保通过sigmoid所有模型输出来修补此错误，同时还要确保中心点保持不变1=fcn（0），因此模型的标称零输出将导致使用标称锚框大小（无偏移，tx=0，ty=0，代入公式bx=cx+0.5，0.5即为锚框中心）。当前的方程式将锚点的倍数从最小0限制为最大4，并且锚框-目标匹配也已更新为基于宽度-高度倍数，标称上限阈值超参数为4.0（σ取值0-1，代入公式即b的范围0-4）。

 

12. 12YOLOv5目标框回归与跨网格预测策略._哔哩哔哩_bilibili