You Only Look Once

Yolov1直接采用网络特征输出，实现置信度预测、分类、边界框回归；
核心内容总结：

1. 输入图像划分为 S × S 网格。如果对象的中心落入网格单元中，则该网格单元负责检测该对象；
2. 每个网格单元预测 B 个边界框以及这些框的置信度分数，这些置信度分数反映了模型对盒子包含对象的置信度，以及模型认为盒子预测的准确性。
3. 每个边界框由 5 个预测组成：x、y、w、h 和置信度。 (x, y) 坐标表示相对于网格单元边界的框中心。宽度和高度是相对于整个图像预测的。
4. 置信度预测表示预测框与任何地面实况框之间的 IOU。每个网格单元还预测 C 个条件类概率 Pr(Classi|Object)。这些概率以包含对象的网格单元为条件。无论框 B 的数量如何，我们仅预测每个网格单元的一组类概率。
   在测试时，我们将条件类概率与单个框置信度预测相乘。

置信度定义

将图像划分S*S的规则格网，根据格网分别进行边界框-置信度预测以及格网类别的预测，置信度为类别概率与之边界框真实值与预测值的交并比；每个cell预测B个边界框与置信度。

类别条件概率

类别概率是每个cell的独立条件，与边界框数量无关；

NMS

def nms(bboxes, scores, nms_thresh):""""Pure Python NMS."""x1 = bboxes[:, 0]  #xminy1 = bboxes[:, 1]  #yminx2 = bboxes[:, 2]  #xmaxy2 = bboxes[:, 3]  #ymax# 根据矩阵惩罚，计算每个bbox的面积areas = (x2 - x1) * (y2 - y1)order = scores.argsort()[::-1]# 将score进行倒序排列；scores.argsort() 方法用于对张量（tensor）scores中的元素进行排序，但它返回的不是排序后的张量值#，而是原始张量中元素位置的索引，这些索引表示了如果排序后它们将处于什么位置# 进行非非极大抑制keep = [] # while order.size > 0:# 首先选取score最高的i = order[0]keep.append(i)# 计算当前选定的边界框与其他边界框的IoU相交区域的坐标范围# compute iou，根据左上角的最大x1,y1与右下角的最小值x2,y2，计算相交区域的边界框的坐标xx1 = np.maximum(x1[i], x1[order[1:]])yy1 = np.maximum(y1[i], y1[order[1:]])xx2 = np.minimum(x2[i], x2[order[1:]])yy2 = np.minimum(y2[i], y2[order[1:]])# 计算交集面积，w = np.maximum(1e-10, xx2 - xx1)h = np.maximum(1e-10, yy2 - yy1)inter = w * h# IOU：交集与并集之比 = inter/(areas[i]（选定区域）+area（其他区域）-inter(重叠区域的计算了两次))iou = inter / (areas[i] + areas[order[1:]] - inter + 1e-14)#保留iou小于该阈值的元素索引inds = np.where(iou <= nms_thresh)[0]order = order[inds + 1]return keep

np.maxmium

比较两个数组元素，并返回最大值

# 示例1：两个一维数组
a = np.array([1, 2, 3, 4])
b = np.array([2, 3, 1, 5])
result = np.maximum(a, b)
print(result)  # 输出：[2 3 3 5]# 示例2：一维数组与标量
a = np.array([1, 2, 3, 4])
result = np.maximum(a, 3)
print(result)  # 输出：[3 3 3 4]# 示例3：两个多维数组
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [2, 1]])
result = np.maximum(a, b)
print(result)  # 输出：[[5 6] [3 4]]

np.minmium与之类似

np.argsort()

argsort()函数是NumPy库中的一个函数，用于返回数组元素排序后的索引值。它可以用于一维或多维数组。
numpy.argsort(a, axis=-1, kind=‘quicksort’, order=None)

示例