YOLO培训数据

Question

我正试着训练一个YOLO模型。为此，我将224*224的输入图像划分为14*14栅格。

现在假设有一个物体，它的中心位于Bx，将0,0作为图像的左上角，分别具有Bw、Bh高度和宽度。

Required_prediction=[Pc,Bx,By,Bw,Bh]

其中Pc是所需对象的概率。

因此，模型的输出将是14*14*5。

我的问题是输出标签应该是什么？

所有框0、0、0、0、0以及包含req img中心的框为pc、bx、by、bw、bh

或

所有框0,0,0,0,0，除整个区域的所需图像标记为pc，bx。。。

也是

对于bx，by，bw，bh图像的中心是指定到图像左上角的wrt，还是坐标落入的网格？

Answer 1

所有的框0,0,0,0,0，以及包含req中心为pc，bx，by，bw，bh的框都是假设将图像划分为14*14网格的正确选择。

但是在现实问题中，它们使用不同的大小来解决这个问题，这意味着您可以将图像分割成14*14、8*8和4*4网格来处理不同大小的对象。