在 YOLO 对象检测算法中，如何计算训练图像的 P(object) 和 P(class/object)？

【问题标题】：How to calculate the P(object) and P(class/object) for training images in YOLO object detection algorithm?在 YOLO 对象检测算法中，如何计算训练图像的 P(object) 和 P(class/object)？
【发布时间】：2017-09-26 01:40:06
【问题描述】：

我浏览了 YOLO 论文并了解了损失函数等所有内容。但我无法理解的是如何获得上述训练图像的值？他们的论文中对此没有明确的解释。

【问题讨论】：

标签： deep-learning object-detection

【解决方案1】：

根据论文：

置信度 = P(Object)*IOU

类特定置信度 = P(Class_i|Object)

注意：IOU = IOU（Predict_Box, Gt_Box）

P(Object)在{0, 1}中，如果Predict_Box与Gt_Box的IOU为零，则设置P(Object)为0，表示背景，否则设置为1。

P(Class_i|Object) 是条件概率。如果 Predict_Box 与 Gt_Box 的 IOU 为零，则 P(Class_i|Object) 应为 0，因为它不是对象，否则将其设置为 IOU 等价。

【讨论】：

所以这个类的概率是一个热编码的吧？