YOLOV1学习（输入的图像固定大小为448X448X3）
参考文献
模型结构
将输入的图像归一化为大小为448x448x3的图像，然后将经过中间24层的卷积后得到了7x7x1024的特征图，然后后面连接的是两个全连接层，分别是4096和1470，最后将1470reshape成7x7x30的张量。
问题0：①为什么是30，又为什么是7？②怎么解析？
答：①为什么是7是因为将输入图像划分成了7x7的grid cell，30是因为每个grid cell都会生成两个预测框，每个预测框又有5个参数（x,y,h,w,c）,又因为这里是针对Pascal 数据集进行设计的，这个数据集中含有20个类，因此会有20个类别条件概率，因此对于每一个grid cell都有**（2x5+20=30）30个参数需要记录，因此最终的矩阵为7x7x30**
②根据①知道了每一个深度方向的信息代表什么，因此我们可以根据这个进行解析。深度方向有30维通道，1-5通道是第一个bounding box的x,y,h,w,c, 6-10是第二个bounding box的x,y,h,w,c，后面11-30则是每一类的条件概率值【p(第i类）/p(含物体）】。
注：真正的类别概率是：每一类的条件概率乘以置信度
置信度=p[object]是否包含物体的概率，条件概率=p【属于第i类的概率】/p[object]
p【属于第i类的概率】=置信度 * 条件概率
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wVF2VAoW-1629564873766)(en-resource://database/533:1)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZonZ4xEu-1629564873769)(en-resource://database/527:1)]
预测阶段
一、模型训练好的前提下目标检测的大体步骤
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qT5dGEKL-1629564873772)(en-resource://database/529:1)]
步骤一：划分网格
先将输入的图像划分为sxs个大小相等的网格；（s=7），每一个网格称之为grid cell
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2VR96r7v-1629564873775)(en-resource://database/519:1)]
问题1：这样划分的目的是什么？
答：用于生成预测框，将预测框的中心限制在网格中
步骤二：生成预测框bounding box
每个grid cell都会生成两个预测框，且预测框的中心在grid cell内，预测框的参数有：中心坐标（x,y）,框宽高（h.w）,以及是否为一个物体的置信度c（反应在框的粗细中，粗框表示置信度高）,这里共生成7x7x2 = 98个bounding box
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FmjqlIXq-1629564873780)(en-resource://database/521:1)]
问题2：每一个grid cell的2个预测框是怎么生成的？
答：根据参数x,y,h,w,c生成的
问题3：怎么得到这几个参数？
根据7x7x30的矩阵所得
步骤三：生成条件概率
每一个grid cell还会预测一组条件类别概率，即在包含物体的前提下，是某一类物体的概率，称之为条件概率。根据条件概率可以绘制下图的class probability map图，每一个颜色表示不同的类别，这里是将20个概率中取最大的概率作为最终的概率绘制出来的
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wWlVAkbE-1629564873783)(en-resource://database/523:1)][外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-A9rAIVBZ-1629564873785)(en-resource://database/535:1)]
问题4：条件概率有什么作用？
答：将每一个bounding box的置信度乘以条件概率，就可以得到bounding box的各类别的概率。
问题5：条件概率是怎么计算得到的？
根据7x7x30的矩阵所得
步骤四：根据步骤二和步骤三生成预测结果
根据bounding box和类别概率就可以得到预测结果。即根据问题4中得到的概率，就可以判别出每一个bounding box最终的预测结果，将属于背景的box剔除，然后利用NMS进行非极大值抑制，就得到了目标检测的结果
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gnMCt2zA-1629564873787)(en-resource://database/537:1)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-F8NY3Ge5-1629564873790)(en-resource://database/531:1)]
问题6：
①怎么训练网络，得到网络的参数，进而能够进行目标检测？
②怎么判断grid cell是否含有物体
二、预测阶段，后处理
1、预测阶段
对于一个grid cell来说，有两个预测框，每个预测框都有一个20维的类别概率，因此有每一个grid cell都会得到两个全概率即2x20,对于7x7的grid cell来说，就会得到7x7x2=98个20维的全概率向量
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NBcALAj8-1629564873794)(en-resource://database/539:1)]
2、后处理
后处理其实就是将98个预测框中低置信度的框和重复的框剔除，这个过程称之为NMS
① 先设置一个阈值，对于同一个类别概率小于p_thre的grid cell全部设置为0
②将不为0的grid cell按照高低顺序进行排列，取出概率最大的预测框；
③将所有的框跟概率大的框计算交并比,IOU,若交并比大于某一个阈值，则表明预测了同一个物体，将低概率的概率设置为0,；若交并比小于某一个阈值，则说明不是预测的同一个物体，保留这个预测框；
④对于每一个类别都是重复①-③步骤（即NMS），进行20次NMS后就会得到最终的结果。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Z2Nyaww8-1629564873797)(en-resource://database/541:1)]
)
)
