Deep learning 为什么YOLO将图像分割为网格单元？_Deep Learning_Object Detection_Yolo_Cnn

Deep learning 为什么YOLO将图像分割为网格单元？

deep-learning

Deep learning 为什么YOLO将图像分割为网格单元？,deep-learning,object-detection,yolo,cnn,Deep Learning,Object Detection,Yolo,Cnn,我正在努力了解YOLO是如何为我正在做的项目工作的。我已经阅读了许多论文、文章和博客文章，但我仍然不确定为什么YOLO将整个图像划分为一个网格单元，并考虑每个单元进行计算。如果我们把整个图像看作一个细胞（没有分裂），会发生什么？这个网格单元的用途是什么？特定单元可以检测到的对象数量是否达到最大值？网格单元将网络预测置于一种更具结构的形式。每个网格单元对应一个特定的图像区域，这些单元预测其中心位于该区域的对象。因此，要利用图像的空间规则性优势，就需要有一个结构化的输出表示每个网格单元可以对向量进

我正在努力了解YOLO是如何为我正在做的项目工作的。我已经阅读了许多论文、文章和博客文章，但我仍然不确定为什么YOLO将整个图像划分为一个网格单元，并考虑每个单元进行计算。如果我们把整个图像看作一个细胞（没有分裂），会发生什么？这个网格单元的用途是什么？特定单元可以检测到的对象数量是否达到最大值？

网格单元将网络预测置于一种更具结构的形式。每个网格单元对应一个特定的图像区域，这些单元预测其中心位于该区域的对象。因此，要利用图像的空间规则性优势，就需要有一个结构化的输出表示

每个网格单元可以对向量进行预测，该向量的形式为[objectness_值，bbox_h，bbox_w，bbox_cx，bbox_cy，p1，p2，…pn]

客观价值：预测的可信度如何
bbox_h、bbox_w、bbox_cx、bbox_cy：分别用于边界框高度、宽度、x轴中心坐标和y轴中心坐标的偏移
p1，p2，…pn：每个对象类别的预测类概率。（共n个对象）

更多的网格单元意味着更多的预测。如果有一个网格单元（图像本身），则将有一个边界框。这是不实际的，因为图像中可能有许多对象

请注意，网格单元可以进行多个边界框预测，向输出向量添加更多的bbox偏移