关于Yolo目标检测算法的概念问题

Question

我的理解是，Anchor盒(在Yolo v2算法中)的动机是，在Yolo (Yolo v1)的第一版中，不可能在同一个网格框中检测到多个对象。我不明白为什么会这样。

此外，作者(Yolo v1)的原始论文引用如下：

“每个网格单元预测B包围框和这些框的置信度分数。这些置信度分数反映了模型对盒子包含一个对象的信心程度，以及它认为该框的预测有多精确。”

这不意味着网格单元可以识别多个对象吗？在他们的论文中，他们把B作为2，为什么不把B当作任意高的数，比如说10？

第二个问题:如何将锚盒尺寸与边界盒尺寸相关联，以检测特定对象？一些网站说，锚盒只定义一个形状，而另一些网站说，它定义了一个形状和大小。在任何一种情况下，锚盒是如何绑定到边界盒的？

谢谢你，桑迪普

Answer 1

您是对的，YOLOv1有多个(B)包围框，但这些框没有以有效或系统的方式分配给地面真理，因此也不能足够精确地推断包围框。

正如您可以在网上的博客文章中看到的那样，Anchor/Default是原始图像中的一个框，它对应于特定特征图中的特定单元格，该单元格具有特定的纵横比和比例。比例尺通常由特征图(更深的特征图->大锚比例尺)决定，其纵横比不同，例如{1:1、1:2、2:1}或{1:1、1:2、2:1、1:3、3:1}。根据比例尺和高宽比，指定一个特定的形状，该形状由特征图中当前单元格的位置决定，并与原始图像中的地面真相包围框进行比较。

不同的论文有不同的分配方案，但通常是这样的：(1)如果初始图像上带有GT的锚点的IoU超过某个阈值(例如0.5)，那么这是对锚的正分配；(2)如果它低于某个阈值(例如0.1)，那么它就是一个负分配，以及(3)如果这两个阈值之间存在差距--那么两者之间的锚被忽略(在损失计算中)。

这样，锚实际上就像一个负责特定情况的“探测器头”，在形状上与它最相似。因此，它负责检测形状类似于它的对象，它既可以推断对每个类的信任，也可以推断包围框参数(相对于它的)，即修改锚的高度、宽度和中心(在两个轴中)以接收正确的包围框的量。

由于该分配方案有效地分配了不同锚点之间的责任，使得边界盒的预测更加准确。

YOLOv1 1方案的另一个缺点是它解耦了包围盒和分类。一方面，这节省了计算，但另一方面-分类是在网格单元的水平。因此，边界框的B选项都具有相同的类预测。例如，这意味着，如果有多个具有相同中心的不同类的对象(例如，持有猫的人)，那么至少所有对象的分类都是错误的。请注意，从理论上讲，对相邻网格单元的其他预测将补偿这种错误的分类，但这是没有承诺的，特别是因为根据YOLOv1 1的方案，中心是分配标准。