python - 为什么YOLOv3计算调整anchor box的offset值，而不是直接输出bounding box的维度？

Question

我试图了解 YOLOv3 的工作原理。而且这件事还是让我很困惑：YOLO 可以确定边界框（坐标和尺寸），但是为什么它不直接输出这些值，而不是用它们来调整锚框呢？

标签： pythonobject-detectionyolo

Answer 1

与固定锚点相比，大多数对象检测算法计算边界框的偏移量（x、y、宽度、高度）。

通常生成锚点以遵循固定网格：为网格上的每个位置创建一组具有不同纵横比和不同区域的锚点。

学习算法从固定锚点输出一个偏移量，从中可以推断出整体坐标，而不是试图直接找到整体坐标，因为它是一个局部且位置不变的特征，所以要容易得多。

这意味着如果在图片的左上角有一只带有错误居中边界框的狗，则要求算法输出偏移量，就好像狗在图片的右下角一样，这使其具有鲁棒性移动并且不需要它学习图像中对象的全局位置。