一、yolov1 bounding box

bounding box是怎么产生的?回归产生的,回归?哎呀,妈呀,回归是什么我都忘记了,好吧,我来举个初中的线性回归例子简单回顾一下

有两组数据A和B

A = [1,2,3,4,5] 

B = [2,4,6,8,10]

利用回归的思想预测当A为6的时候B对应的值是多少

很明显回归参数就是2,回归程为y = 2x,所以A为6的时候B对应的值应该是12,这就是最简单的回归思路了。

然后yolo1中提到的就是直接利用整幅图像经过网络结构产生7*7的grid cell,每个grid
cell预测x,y,w,h,confidence等几个值,其中confidence就是IOU的值啦。关键这个bounding
box怎么回归产生的,对我这种小白来说还是纠结了好几天才算理解到一丢丢,所以赶紧小笔记记一下,欢迎各位大佬斧正(请原谅我想多了,就我这个级别的blog还有大佬看[笑哭])

好,我们去看一下Annotation里面的XML文件,截取一部分看一下

看到标注文件里面的Bounding box的格式了没,都是由[xmin,xmax,ymin,ymax]组成,中心坐标呢?

回顾yolov1论文还说要把坐标和长宽归一化,你中心坐标都没有如何回归?最后在scipts找到了vol_label.py文件才知道中心坐标是根据标签中的xmin,xmax,ymin,ymax计算出来的,哈哈哈,详见下面代码注释。

def convert(size, box): dw = 1./size[0] # 归一化的时候就是使用宽度除以整个image_size的宽度 dh =
1./size[1] # 归一化的时候就是使用高度除以整个image_size的高度 x = (box[0] + box[1])/2.0 #
使用(xmin+xmax)/2得到x的中心点 y = (box[2] + box[3])/2.0 # 使用(ymin+ymax)/2得到y的中心点 w =
box[1] - box[0] # 然后宽度就是使用xmax-xmin计算得到 h = box[3] - box[2] #
然后高度就是使用ymax-ymin计算得到 x = x*dw # 归一化中心坐标x w = w*dw # 归一化bbox宽度 y = y*dh #
归一化中心坐标y h = h*dh # 归一化bbox高度 return (x,y,w,h) def convert_annotation(year,
image_id): in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year,
image_id)) out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id),
'w') tree=ET.parse(in_file) root = tree.getroot() size = root.find('size') w =
int(size.find('width').text) h = int(size.find('height').text) for obj in
root.iter('object'): difficult = obj.find('difficult').text cls =
obj.find('name').text if cls not in classes or int(difficult) == 1: continue
cls_id = classes.index(cls) xmlbox = obj.find('bndbox') # 获取标注中bbox的数据并以元组方式返回
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text),
float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text)) #
向convert传入size = (w,h),和b,注释中分别是(xmin,xmax,ymin,ymax) bb = convert((w,h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
有了中心坐标x,y和bbox的w,h这样就可以愉快地训练出回归参数了

待更... ..

技术
©2019-2020 Toolsou All rights reserved,
数字滚动抽奖小程序VaR - 风险价值 - 蒙特卡罗法 - Python百度网盘偷偷更新,终于实现免费不限速了! Chrome OS,对程序员和Windows意味着什么?,互联网营销华为Mate 40 Pro+ 5G曝光:徕卡电影镜头、陶瓷机身Qt学习2——.pro文件和.h文件介绍python:将一个文件转换为二进制文件(binary)第十一届蓝桥杯C/C++ 大学 B 组大赛软件类省赛网站手机号码抓取方式蚂蚁集团香港IPO获得中国证监会批准