跟着问题学3.6——YOLO v1详解及代码实战

目标检测任务描述

（1）输入一张图片，图片上有个目标，那么该如何描述目标在图像上的位置呢？我们知道，图像是长*宽的尺寸的像素点组成的，可以在图像上设置图像坐标系（比如以左上角为坐标原点，向右向下分别为x,y轴正方向），然后就可以使用边界框选中目标，边界框使用在图像坐标系上的坐标来表示，如下图，x,y,w,h，其中（x,y）是边界框左上角的像素坐标，w,h分别是边界框的宽和高。

（2）边界框还有其它表示方法，核心就是描述边界框在整张图像上的位置，如下：

p1,p2,p3,p4(4个点坐标)

cx,cy,w,h(cx,cy为中心点坐标)

x,y,w,h,angle(还有的目标是有角度的，这时叫做Rotated Bounding Box)

1. 那么该如何预测这个边界框呢？传统方法是设定很多很多个边界框，从图像的左上角直到右下角，每个像素点都设置多个边界框（边界框的大小可以变化），如下图所示，这也是R-CNN系列模型所采用的思想，但这种思路的最大问题是耗时和操作复杂，需要手动生成大量的样本。比如输入图片大小是(800,1000)也就意味着有800000个位置。窗口大小最小1*1 ,最大800*1000（极限，具体应用时会优化） ，所以这个遍历的次数是无限次。