约罗:有多少包装箱？

Question

在本文中，对于S=7，B=2，该模型预测了每7x7个网格单元的2个边界框，从而对每幅图像进行7x7x2=98图像的预测。然而，演示输出图像只有3个框。为什么会这样呢？

我的理论是，由于线条的厚度与包围盒的置信度成正比，在模型训练之后，“糟糕的”包围盒非常薄，甚至没有出现。

论文还说，“通常情况下，一个对象落入哪个网格单元，网络只对每个对象预测一个框”。

我很困惑。

Answer 1

从98箱到3箱，它也涉及到许多其他事情。

1. x*y*2 = 98，其中2为锚盒，即每个网格将预测两个边界盒。
2. 非最大抑制:正如你正确地说的，丢弃那些概率较小的盒子。您可以设置一些阈值。
3. IOU (交叉超过Union)：用于识别和丢弃重叠框的步骤。

完成所有这些活动后，您将得到3个最后的框.

关于整个过程的更多信息：

1. 丢弃置信度低的边框。比如说还不到0.6。

1. 现在，图中的网格具有最高的置信度得分。如下文所述：

1. 在这里，0.9个自信的分数已经被拿出来了。
2. 现在，确定所有那些IoU得分大于某个阈值的网格，比如0.5。在这里强调深蓝色和丢弃这样的栅格。

1. 仍然留下了一些预测物体的网格，比如汽车，但是IoU很低，还没有被丢弃。从步骤2再重复这样的过程，直到我们没有留下这样的网格。

备注:建议您阅读更多关于最后两个过程的内容，因为它涉及识别边界框的核心概念.