Yolov2 训练时anchor是如何使用的？build_target

0.简略描述

• 1.将真值检测框变换到特征图尺度上
• 2.计算以特征图每个网格中心为中心点时所有锚框与真值检测框的交并比
• 3.取与真值检测框交并比最大的锚框的id,及真值检测框中心所在cell的id,有此，可将真值检测框与预测结果对应起来
• 4.计算位置回归损失，置信度损失，分类损失

1，网络的输出

图1

yolov2 网络对于检测框位置大小的输出是:

对于1个batch网络的输出的shape为[batch_size, H*W*num_anchors, 5+num_classes], 其中：

• num_anchors：指1个点处的anchor数量
• H，W分别是卷积得到的feature map的高宽
• 5 + num_classes,分别指 $t_x$、$t_y$、$t_{\omega }$、$t_h$及检测框的评分score

2.输出的处理

拿到网络的输出后，使用图1中的公式计算得到$\sigma (t_x),\sigma (t_y$