本文介绍了使用PyTorch实现YOLOv3的主要思想，包括将图片划分为S*S个cell，每个cell预测B个boundingbox，每个box包含5个参数。坐标以相对值表示，网络输出维度为S*S*(B*5+C)，其中C为类别数。通过网络结构示意图，展示YOLOv3的工作原理。
代码：
PyTorch-YOLOv3
主要思想：
1.一张图片分成S*S个cell，如果一个object的中心落在某一个cell，那么这个cell就负责预测这个object；
2.每个cell需要预测B个boundingbox（论文中B=2），每个boundingbox中有五个参数：（X,Y,W,H,C）X，Y是该boundingbox中心点的坐标，W和H是长和宽；conference是有没有object的置信度（这里的conference负责看有没有object，至于是哪一个object不是它负责），它是由两部分组成：一是看cell里是否有对象，而是boundbox的准确度。
3.这里的X和Y的坐标是bondingbox的中心点相对于负责预测它的cell的坐标的相对值，而不是相对于整个图片的绝对值。W和H是该boundingbox的长和宽相对于整个图片的长和宽的相对值。这样做的话X,Y,W,H的值都在0-1之间。
4.每个cell需要预测C个条件概率（这里的C是class的数目，VOC2007数据集中c=20）,按照这个计算，输出维度就是S*S*(B*5+C)。
5.网络结构示意图：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
