yolov3预测框

目标检测：预测框生成与调整详解
原创 已于 2023-11-08 09:12:35 修改 · 857 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#YOLO

于 2023-11-07 01:26:04 首次发布
本文解释了预测框在目标检测中的作用，介绍了如何通过锚定框和图像特征预测物体位置与尺寸，涉及预测框中心位置坐标和大小的计算方法，以及Sigmoid函数的应用。

目录

什么是预测框

怎么得到预测框

具体步骤

生成预测框

预测框中心位置坐标

预测框大小

图示

什么是预测框

预测框是目标检测算法根据图像特征和锚定框的信息，通过模型预测出的物体位置和尺寸。具体来说，预测框是算法根据锚定框（anchor box）和图像特征进行预测得到的物体边界框，包括预测的边界框坐标和类别概率。

怎么得到预测框

预测框（Prediction BBox）是通过目标检测算法得到的，它是对输入图像进行分类和定位的结果。在目标检测算法中，通常会预先设定一些锚定框（anchor box），这些锚定框是按照不同大小、宽高比例和长宽比等预设的矩形框。然后，算法会根据图像特征和锚定框的信息，通过模型预测出每个锚定框与实际物体的匹配程度，并生成相应的置信度和分类概率。

在预测时，对于每个锚定框，模型会选择一个与实际物体IOU最大的锚定框作为预测框，并生成相应的置信度和分类概率。置信度表示该预测框是否包含一个对象，分类概率表示该对象属于哪个类别的概率。同时，该预测框的位置和长宽比例也会根据实际物体的边框位置和长宽比例进行更新。

总之，预测框是通过目标检测算法对输入图像进行分类和定位的结果，它是根据锚定框和图像特征进行预测得到的物体边界框。

具体步骤

生成预测框

锚框的位置都是固定好的，不可能刚好跟物体边界框重合
需要在锚框的基础上进行位置的微调以生成预测框
预测框相对于锚框会有不同的 中心位置和 大小

最低0.47元/天 解锁文章
AI_dataloads
关注
YOLOv8预测流程-原理解析[目标检测理论篇]
ice
05-05 7154
梳理了YOLOv8预测的整个流程，包括Box分支的解码，letterbox、NMS等操作。
AI大视觉（八) | Yolov3 如何调整先验框进行解码？
aibigtruth的博客
06-22 2982
本文来自公众号“AI大道理” 解码就是将预测得到的调整参数应用于先验框，从而得到预测框。 解码原理 YOLOv3借鉴RPN网络使用anchor boxes来预测边界框相对先验框的offsets。 YOLOv3预测边界框中心点相对于对应cell左上角位置的相对偏移值，使用sigmoid函数处理偏移值，这样预测的偏移值在(0,1)范围内（每个cell的尺度看做1），把边界框中心点约束在当前cell中。 根据边界框预测的4个offsetstx,ty,tw,th，可以按如下公式计算出边界框实...
【什么是epoch、batch、batchsize、iteration？什么是真实框、预测框和锚框】
qq_29960631的博客
03-07 6821
1、几句话搞懂什么是epoch、batch、batchsize、iteration 2、几句话搞懂目标检测中的边界框、真实框、预测框和锚框
20220526 yolov1-v8 CenterNet
GAOSHIQI5322688的博客
05-26 3638
1、
第八章:YOLO v3（渐进式改进）网络详解
ADICDFHL的博客
07-09 451
我们对YOLO进行了一些更新！我们进行了一系列小的设计改变以提升性能。我们还训练了一个新的网络，效果非常好。相较于上一次，它稍微大一些，但更加准确。不过，不用担心，它仍然很快。在320×320的情况下，YOLOv3在22毫秒内运行，mAP为28.2，在准确度上与SSD相当，但速度快三倍。当我们看旧的0.5 IOU mAP检测指标时，YOLOv3表现非常好。在Titan X上，它在51毫秒内达到了57.9 AP50，而RetinaNet在198毫秒内只有57.5 AP50，性能相似但快3.8倍。
Yolov3边框预测分析
lcczzu的专栏
01-07 6144
我们读yolov3论文时都知道边框预测的公式，然而难以准确理解为何作者要这么做，这里我就献丑来总结解释一下个人的见解，总结串联一下学习时容易遇到的疑惑，期待对大家有所帮助，理解错误的地方还请大家批评指正，我只是个小白哦，发出来也是为了与大家多多交流，看看理解的对不对。 论文中边框预测公式如下： 其中，Cx,Cy是feature map中grid cell的左上角坐标，在yolov3中每个g...
史上最详细的Yolov3边框预测分析
热门推荐
逍遥王的博客
11-15 5万+
我们读yolov3论文时都知道边框预测的公式，然而难以准确理解为何作者要这么做，这里我就献丑来总结解释一下个人的见解，总结串联一下学习时容易遇到的疑惑，期待对大家有所帮助，理解错误的地方还请大家批评指正，我只是个小白哦，发出来也是为了与大家多多交流，看看理解的对不对。 论文中边框预测公式如下： 其中，Cx,Cy是feature map中grid cell的左上角坐标，在yolov3中每个g...
C++使用纯opencv部署yolov11旋转框目标检测源码.zip
10-05
YOLO系列算法中，YOLOv1是最早的版本，它将目标检测任务视作一个回归问题，通过单次前向传播直接预测目标的边界框和类别概率。经过不断地迭代，YOLO系列算法已经发展到更高级的版本，每一代都在速度和准确性上做了...
yolov3.rar yolov3.weights
05-09
3. **Anchor Boxes**：与前代模型一样，YOLOv3使用预定义的 Anchor Boxes 来初始化边界框，这有助于优化检测速度和精度。 4. **新激活函数Leaky ReLU**：替代了原本的线性激活函数，Leaky ReLU有助于缓解梯度消失...
yolov3
qq_46539177的博客
10-22 1957
yolov3只是增加了一点小小的改进，虽然模型比yolov2稍微大一点，但是它的准确度增加了。在320x320分辨率图片上，可以在22毫秒的速度上达到28.2的mAP,准确度和SSD相当，但是速度是它的三倍。在Titan X上，它在51毫秒内达到57.9 AP50（0.5IOUmAP），而在RetinaNet上，它在198毫秒内才能达到57.5 AP50，性能相似，但是yolov3的速度快3.8倍。这篇介绍的结尾将为本文的其余部分指明方向。首先，YOLOv3是怎么回事。然后作者是怎么做的。
YOLOV3预选框验证
tugouxp的专栏
12-13 5012
对于一个输入图像，比如416*416*3，相应的会输出 13*13*3 + 26*26*3 + 52*52*3 = 10647 个预测框。我们希望这些预测框的信息能够尽量准确的反应出哪些位置存在对象，是哪种对象，其边框位置在哪里。 在设置标签y（10647个预测框 * (4+1+类别数) 张量）的时候，YOLO的设计思路是，对于输入图像中的每个对象，该对象实际边框（groud truth）的中心落在哪个网格，就由该网格负责预测该对象。不过，由于设计了3种不同大小的尺度，每个网格又有3个先验框，所以对于一个
【pytorch】自己实现精简版YOLOV3【二】，通过darknet_53输出的特征图：得到预测框位置、置信度以及目标类别
种一棵树最好的时间是十年前，其次是现在
04-11 2906
接上篇博文：： YOLOv3网络在三个特征图中预测出( 4 + 1 + c ) × k 个值，即特征图上每个点对应4个边界坐标（实际为偏移量），1个置信度值，C个类别值（独热向量）；数量k为特征图上每个点预测出的边框数量，默认为3： 下图先验框由聚类算法得到： 特征图上的预测目标为： 上图中蓝色字样为最终预测目标，tx及ty为网格中心至网格左上角的偏移量；bx及by为预测看中心点坐标；etw及wth为边框长度缩放因子，pw及ph为先验框的高宽，bw,bh为最终预测框的高宽。sigmod函数将预测框中心坐
darknet53 作用_YOLOv3 深入理解
weixin_39614228的博客
12-22 5204
YOLOv3没有太多的创新，主要是借鉴一些好的方案融合到YOLO里面。不过效果还是不错的，在保持速度优势的前提下，提升了预测精度，尤其是加强了对小物体的识别能力。本文主要讲v3的改进，由于是以v1和v2为基础，关于YOLO1和YOLO2的部分析请移步YOLO v1深入理解 和 YOLOv2 / YOLO9000 深入理解。YOLO3主要的改进有：调整了网络结构；利用多尺度特征进行对象检测；对象分类...
【yolo】目标检测预测框生成流程浅析, 含示例
qq_51677409的博客
06-28 2139
首先是配置文件, 我们在配置文件中可以看到这样的配置项关于和可以看这篇文档简单来说, 模型深度系数就是配置文件中模型重复次数∗模型深度系数模型宽度系数就是模型输出维度args的第一个参数∗模型深度系数我们主要关注的是锚点配置项表示三组数据, 分别对应宽高, 是对应特征图缩小 8 倍时对应的参数, 其他类似, 后续我们将提到相关参数的使用方式。
Yolo检测框预测分析
guoguozgw的博客
04-03 1468
NO
YOLO V3边框(Anchor boxes)源码解析
qq_43348439的博客
04-06 1566
  最近在学习YOLO源码，看了很多资料，在此总结解释一下边界框源码，理解错误的地方还请大家批评指正，我还是个小白，发出来也是总结交流一下。   首先我们对图片的处理进行分析： 当我们输入任意一张图片，在保持长宽比不变的情况下，会将w和h缩放达到416x416.如：原图尺寸768,576, 缩放后的尺寸为new_w, new_h=416,312，而我们需要输入的是416x416，所有空白处会进行...
目标检测之四：预测框微调/投票法/模型融合
gaotihong的博客
02-26 2940
4.Box Refinement/Voting 预测框微调/投票法/模型融合 微调法和投票法由工作[4]提出，前者也被称为Iterative Localization。 微调法最初是在SS算法得到的Region Proposal基础上用检测头部进行多次迭代得到一系列box，在ResNet的工作中，作者将输入R-CNN子网络的Region Proposal和R-CNN子网络得到的预测框共同进行N...
目标检测 YOLOv3 基本思想
氢键H-H
10-01 1万+
参考PaddlePaddle教程，简化和梳理 YOLOv3 模型设计的基本思想
Yolo（3）（项目）Yolo v3 目标检测（85分类）
great_yzl的博客
10-25 4303
图像被划分成3个图像： 图像在多次卷积压缩后，小物体容易消失，所以我们分别用52*52、26*26、13*13的网格检测小物体、中物体、大物体。 （猫是大物体，所以用13*13的网格检测） import cv2 import numpy as np # 读取文件 def ReadFile(): global name_list name_list = [] # 1、读取文件 with open('coco.names') as f...
yolov8预测框修改
最新发布
02-23
这间接改变了最终输出预测框的比例[^3]： ```python from ultralytics import YOLO model = YOLO("yolov8n.pt") # 加载预训练模型 results = model.predict(source='image.jpg', imgsz=1280) # 设置更大的输入尺寸...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值