实现细节
将一幅图像分成 S×S 个网格 (Grid Cell) ，如果某个 object 的中心落在某个网格中（通过
ground-truth 框确定），则这个网格就负责预测这个 object 。
每个网格要预测 B 个 bounding box ，每个 box 除了要回归自身的位置之外，还要附带预测一个
confidence 值。这个值代表了所预测的 bounding box 中是否含有 object 和若有 object ，这个
object 预测得有多准的两重信息，计算方式：
如果有 object 的中心落在一个网格里面， * 的前
第一项取 1 ，否则取 0 。第二项是预测的边界框
和 ground-truth 之间的 IoU 值。
S 是多少？ B 是多少？
为什么要分成 S x S 个网格？
如何选择 Grid Cell 预测框？
评论0