【发布时间】：2020-06-20 23:49:40
【问题描述】：
我正在尝试了解 YOLO 如何为我正在做的项目工作。我浏览了论文、许多文章和博客文章，但我仍然不确定为什么 YOLO 将整个图像划分为一个网格单元并考虑每个单元进行计算。如果我们将整个图像视为一个细胞（不分裂）会发生什么？这个网格单元的目的是什么？特定细胞可以检测到的物体数量是否有上限？
【问题讨论】：
标签： deep-learning object-detection yolo conv-neural-network
【发布时间】：2020-06-20 23:49:40
【问题描述】：
网格单元将网络预测以更结构化的形式呈现。每个网格单元对应于图像的一个特定区域，这些单元预测其中心位于该区域中的对象。因此，利用图像的空间规则性优势具有结构化的输出表示。
每个网格单元都可以对具有 [objectness_value, bbox_h, bbox_w, bbox_cx, bbox_cy, p1, p2, .. pn] 形式的向量进行预测。
- objectness_value：预测的可信度
- bbox_h、bbox_w、bbox_cx、bbox_cy：分别为边界框高度、宽度、x轴中心坐标和y轴中心坐标的偏移量。
- p1, p2, ..pn：每个对象类别的预测类别概率。 （共 n 个对象）
更多的网格单元意味着更多的预测。如果您有一个网格单元（图像本身），您将有一个边界框预测。这是不切实际的，因为图像中可能有很多对象。
请注意，一个网格单元可以进行多个边界框预测，向输出向量添加更多的 bbox 偏移量。
【讨论】：