贊助廠商

娛樂城推薦

首頁

電腦與網際網路/其他:電腦列表

DataScience- YOLO中的Anchor box無法理解

請教各位高手,如何理解anchor box在yolo中的實際運作?不考慮anchor-free的類型,舉個例子,在簡單的情況下,假設在沒有anchor box的情況下,假設有 3 + 1 個物體類別(車子、人、貓咪以及背景)。對於一張圖片(尺寸為12 x 12),假設將其劃分成 3 x 3 個 cell,那麼其中每個cell的尺寸為 4 x 4 pixel。假設卷積的間隔是 4 (sliding windows的大小),假設我們只用一次卷積層,來獲得預測結果。那麼結果會是一個 3 x 3 x 8 的張量(tenser),其中 3 x 3 對應到上面劃分的 cell 位置,而 8 代表一個向量(Pc, Bx, By, Bh, Bw, C1, C2, C3),其中 Pc 代表這個cell有沒有可辨識的物體,(Bx, By, Bh, Bw)代表Bounding box的位置,(C1, C2, C3)代表了是哪個物體的機率,這裡不考慮背景。今天我想理解anchor box在YOLO中實際的運作模式,我參考了 https://reurl.cc/kVz7jx 中的影片。理解了假設有 2 個 anchor 的話,那麼結果會是一個 3 x 3 x 2 x 8 的張量(tenser)。問題來了,anchor可以像是影片中長的、寬的,那整個卷積過程在訓練中是如何運作?在訓練過程中,我的理解是將每個cell去做padding,這裡的padding需要考慮兩個情況,一個是邊邊的部份,不足可以用補 0 來填空,另一個是中間,就延伸考慮 cell 外面的 pixel ,讓 cell 經過 padding 變成跟anchor box一樣的大小,將 anchor box 當作一個 filter 去對每個 cell 做卷積,這樣做結果就會是 3 x 3 x 1 x 8 ,然後我有兩個 anchor box ,所以結果就會是影片中 3 x 3 x 2 x 8 的形狀。以上好像說的通,但實際上我是瞎掰腦補的,參考影片中的 4:56 秒,這裡我看不懂它考慮兩個 anchor box 的說明,我只看得懂要選最大的IoU,也不知道是誰跟誰比,總之跟我前面的理解差的有點多...想了很久想不通,Google找到的資料都是那幾張圖,然後看不懂還是看不懂。有沒有大神可以從這個簡單的範例說明,anchor box 在訓練中如何運作?在預測中又是如何使用?謝謝。--
  • 發問日期:2021-06-04 20:20:11

友站連結