1.交并比函数（IoU）
计算两个边框交集和并集之比：（一般用于评价对象定位算法是否精准）
对于上图来说，
。
如果IoU >= 0.5，则检测正确；0.5是人为规定的，如果想更严格也可以设为0.6、0.7等等。
2.非极大值抑制
顾名思义，非极大值抑制就是抑制那些不是极大值的值。
算法可能对一个对象检测多次，非极大值抑制做的就是清理这些检测结果，使每个对象只被检测一次。
以上图中右边车辆的检测结果为例，三个框中有车的概率分别是0.6、0.7、0.9，其中概率最大的是中间概率为0.9的方框，所有和这个方框有很高交并比的其他方框就会被抑制，即0.6和0.7的方框会被抑制（其他没有很高交并比的方框会在执行非极大值抑制之前被筛出去）。
那么概率最大的方框会以高亮标记，被抑制的方框会变暗。之后直接抛弃变暗的边框，就会得到最后的检测结果。如下图所示：
3.anchor box
在上面两小节中一个方框只能检测出一个目标，如果想要一个方框检测多个目标，就要用到anchor box。
假设我们预先定义两个anchor box（也可以是其他个数），例如下图所示的两个黄色方框：
之后我们定义类别标签：
其中pc表示方框中有目标的概率，bx、by是方框的中点坐标，bh、bw是方框的长和宽，c1 c2 c3分别表示方框中是否有行人、汽车、摩托车（c1=1表示框中有行人，c2=0表示框中没有汽车）。
标签中有两组pc…c3，第1组表示和anchor box1的有关的各项输出，第2组表示和anchor box2的有关的各项输出。由于行人的形状更像anchor box1，汽车的形状更像anchor box2，因此标签y可以表示为：
因为我们定义了2个anchor box，所以每个对象都会分配到2个anchor box，然后计算anchor box和实际边界框的交并比，哪个anchor box和实际边界框的交并比大，就说明哪个anchor box和实际目标的形状更像。
所以最后的输出维度也和定义的anchor box数量有关，以图1为例，图1被分割为3×3个单元，每个单元对应2个anchor box，每个box对应8个输出（pc到c3），所以最后的输出维度是3×3×2×8，即3×3×16。
如果有图片被分割为m×m个单元，定义了n个anchor box，要分的类别有k个，则一个box对应的输出包括pc bx by bh bw c1 c2 … ck共1+4+k个输出，最终输出的维度就是m × m × [ n × (1+4+k) ]。
若有收获，就点个赞吧
0 人点赞
