如何为 YOLO 标记训练数据答案

【问题标题】：How to label training data for YOLO如何为 YOLO 标记训练数据
【发布时间】：2018-12-01 13:08:31
【问题描述】：

我有一个关于如何为 YOLO 算法标记训练数据的问题。

假设每个标签Y，我们需要指定[Pc, bx, by, bh, bw]，其中Pc是表示存在的指标(1=present, 0=not present)，(bx, by)是感兴趣对象中心的相对位置，(bh, bw) 是包含对象的边界框的相对尺寸。

以下图为例，包含黑色汽车的单元格 (1,2) 应具有标签 Y = [1, 0.4, 0.3, 0.9, 0.5]。对于任何没有汽车的单元，它们应该有一个标签 [0, ?, ?, ?, ?] []1

但是如果我们有一个像这样更精细的网格，其中每个单元格的维度都小于地面实况边界框。

假设汽车的ground truth边界框是红色框，ground truth中心点是红点，位于单元格2中。

对于单元格 2，它将具有标签 Y = [1, 0.9, 0.1, 2, 2]，这是正确的吗？对于单元格 1、3、4，它们会有什么样的标签？他们有 Pc = 1 还是 Pc = 0？如果Pc=1，bx 和by 会怎样？（我记得 bx，by 的值应该在 0 和 1 之间。但在单元格 1、3、4 中，没有感兴趣对象的中心点）

【问题讨论】：

标签： machine-learning deep-learning computer-vision object-detection

【解决方案1】：

实际上它包含在单元格 2 中的中点。根据 Y.O.L.O. 单元格 1、3、4 将显示 Pc=0。算法只计算包含中点的单元格并计算边界框，正如你提到的那样，使用 bx，by，bh，bw。有了Y = [1, 0.9, 0.1, 2, 2]的命题，我认为如果把点(0,0)作为左上角，Y更有可能是Y = [1 ,0.2,0.57,0.21,0.15]，使用 19 x 19 的网格计算如下。

【讨论】：