Yolo 如何在 YOLO 9000 中计算 P(Object)答案

【问题标题】：How Yolo calculate P(Object) in the YOLO 9000Yolo 如何在 YOLO 9000 中计算 P(Object)
【发布时间】：2017-04-11 09:48:41
【问题描述】：

目前我正在测试用于对象检测的 yolo 9000 模型，在论文中我了解到图像被分割成 13X13 的盒子，并且在每个盒子中我们计算 P(Object)，但是我们如何计算呢？模型如何知道这个盒子里是否有物体，我需要帮助来理解这一点

我正在使用张量流

谢谢，

【问题讨论】：

我也在找这个。没有太多的解释。他们还计算p（类/对象）。 quora sessionquora.com/…有很好的解释。

标签： python tensorflow object-detection yolo

【解决方案1】：

他们训练的置信度分数 = P(object) * IOU。对于地面实况框，它们取 P(object)=1，而对于其余网格像素，地面实况 P(object) 为零。您正在训练您的网络以告诉您该网格位置是否有某个对象，即如果不是对象则输出 0，如果部分对象则输出 IOU，如果对象存在则输出 1。因此，在测试时，您的模型已经能够判断该位置是否有物体。

【讨论】：

【解决方案2】：

正如他们在paper（第 2 页第 2 节）中提到的那样，信心分数是 = P(object) * IOU。但是在那段中，他们提到如果有一个对象，那么信心分数将是 IOU，否则为零。所以这只是一个指导方针。

【讨论】：

我明白这一点，但我不知道如何仅使用图像中的一个小区域，以及提取特征的小区域，细胞可以对该区域进行分类？
我把它当作滑动窗口操作。在这里，您将原始图像分成 49 个正方形。基本事实是从原始图像中获得的。但是要预测的特征将由最后一个 7*7 的 conv 层获得
但是这个是训练用的，那么测试步骤呢，如果我们给一个未知的图像，我们把它传给网络，下层会提取特征，然后把图像分成7X7 ，但是这里我们没有真正的真相，所以只有很小的特征，他怎么能概括一个比细胞大的物体，请你给我更多的细节吗？

【解决方案3】：

确实有 13x13 个网格单元，但 P(object) 是针对每个 5x13x13 锚框计算的。来自 YOLO9000 论文：

当我们移动到锚框时，我们还将类别预测机制与空间位置解耦，而是为每个锚框预测类别和对象。

我还不能发表评论，因为我是新来的，但如果您想知道测试时间，它有点像 RPN。在每个网格单元，5个锚框每个预测一个边界框，该边界框可以比网格单元大，然后使用非极大值抑制来挑选最前面的几个框进行分类。

P(object) 只是一个概率，网络不“知道”那里是否真的有一个对象。

如果您有兴趣，还可以查看 region_layer.c 中 forward_region_layer 方法的源代码并跟踪损失的计算方式。

【讨论】：

【解决方案4】：

在测试期间，YOLO 网络从默认设置值获取 IOU。那是 0.5。

【讨论】：