YOLO后处理

首发于个人博客

理论分析

system.png

YOLO从v2版本开始重新启用anchor box，YOLOv2网络的网络输出为尺寸为[b,125,13,13]的tensor，要将这个Tensor变为最终的输出结果，还需要以下的处理：

• 解码：从Tensor中解析出所有框的位置信息和类别信息
• NMS：筛选最能表现物品的识别框

解码过程

解码之前，需要明确的是每个候选框需要5+class_num个数据，分别是相对位置x,y，相对宽度w,h，置信度c和class_num个分类结果，YOLOv2-voc中class_num=20，即每个格点对应5个候选框，每个候选框有5+20=25个参数，这就是为什么输出Tensor的最后一维为5*（20+5）=125。

tensor.png

上图为一个框所需要的所有数据构成，假设这个框是位于格点X,Y的，对应的anchor box大小为W,H，位置相关参数的处理方法如下所示，其中，分别是输出Tensor在长宽上的值，这里；分别为原图片的长和宽：

置信度和类别信息处理方法如下所示：

当格点置信度大于某个阈值时，认为该格点有物体，物体类别为class_id对应的类别

NMS

NMS为非最大值抑制，用在YOLO系统中的含义指从多个候选框标记同一个物品时，从中选择最合适的候选框。其基本思维很简单：使用置信度最高的候选框标记