---

←上一篇↓↑下一篇→

3.8 Anchor Boxes	回到目錄	3.10 候選區域

---

YOLO 算法 (Putting it together: YOLO algorithm)

你們已經學到對象檢測算法的大部分組件了，在這個視頻里，我們會把所有組件組裝在一起構成YOLO對象檢測算法。

我們先看看如何構造你的訓練集，假設你要訓練一個算法去檢測三種對象，行人、汽車和摩托車，你還需要顯式指定完整的背景類別。這里有3個類別標簽，如果你要用兩個anchor box，那么輸出 $y$ 就是3×3×2×8，其中3×3表示3×3個網格，2是anchor box的數量，8是向量維度，8實際上先是5（ $p_c,b_x,b_y,b_h,b_w$ ）再加上類別的數量（ $c_1,c_2,c_3$ ）。你可以將它看成是3×3×2×8，或者3×3×16。要構造訓練集，你需要遍歷9個格子，然后構成對應的目標向量 $y$ 。

所以先看看第一個格子（編號1），里面沒什么有價值的東西，行人、車子和摩托車，三個類別都沒有出現在左上格子中，所以對應那個格子目標 $y$ 就是這樣的， $y={\left[\begin{array}{cccccccccccccccc}0& ?& ?& ?& ?& ?& ?& ?& 0& ?& ?& ?& ?& ?& ?& ?\end{array}\right]}^T$ ，第一個anchor box的 $p_c$ 是0，因為沒什么和第一個anchor box有關的，第二個anchor box的 $p_c$ 也是0，剩下這些值是don’t care-s。

現在網格中大多數格子都是空的，但那里的格子（編號2）會有這個目標向量 $y$ ， $y={\left[\begin{array}{cccccccccccccccc}0& ?& ?& ?& ?& ?& ?& ?& 1& b_x& b_y& b_h& b_w& 0& 1& 0\end{array}\right]}^T$ ，所以假設你的訓練集中，對于車子有這樣一個邊界框（編號3），水平方向更長一點。所以如果這是你的anchor box，這是anchor box 1（編號4），這是anchor box 2（編號5），然后紅框和anchor box 2的交并比更高，那么車子就和向量的下半部分相關。要注意，這里和anchor box 1有關的 $p_c$ 是0，剩下這些分量都是don’t care-s，然后你的第二個 $p_c=1$ ，然后你要用這些（ $b_x,b_y,b_h,b_w$ ）來指定紅邊界框的位置，然后指定它的正確類別是2( $c_1=0,c_2=1,c_3=0$ )，對吧，這是一輛汽車。

所以你這樣遍歷9個格子，遍歷3×3網格的所有位置，你會得到這樣一個向量，得到一個16維向量，所以最終輸出尺寸就是3×3×16。和之前一樣，簡單起見，我在這里用的是3×3網格，實踐中用的可能是19×19×16，或者需要用到更多的anchor box，可能是19×19×5×8，即19×19×40，用了5個anchor box。這就是訓練集，然后你訓練一個卷積網絡，輸入是圖片，可能是100×100×3，然后你的卷積網絡最后輸出尺寸是，在我們例子中是3×3×16或者3×3×2×8。

接下來我們看看你的算法是怎樣做出預測的，輸入圖像，你的神經網絡的輸出尺寸是這個3×3×2×8，對于9個格子，每個都有對應的向量。對于左上的格子（編號1），那里沒有任何對象，那么我們希望你的神經網絡在那里（第一個 $p_c$ ）輸出的是0，這里（第二個 $p_c$ ）是0，然后我們輸出一些值，你的神經網絡不能輸出問號，不能輸出don’t care-s，剩下的我輸入一些數字，但這些數字基本上會被忽略，因為神經網絡告訴你，那里沒有任何東西，所以輸出是不是對應一個類別的邊界框無關緊要，所以基本上是一組數字，多多少少都是噪音（輸出 $y$ 如編號3所示）。

和這里的邊界框不大一樣，希望 $y$ 的值，那個左下格子（編號2）的輸出 $y$ （編號4所示），形式是，對于邊界框1來說（ $p_c$ ）是0，然后就是一組數字，就是噪音（anchor box 1對應行人，此格子中無行人， $p_c=0,b_x=?,b_y=?,b_h=?,b_w=?,c_1=?,c_2=?,c_3=?$ ）。希望你的算法能輸出一些數字，可以對車子指定一個相當準確的邊界框（anchor box 2對應汽車，此格子中有車， $p_c=1,b_x,b_y,b_h,b_w,c_1=0,c_2=1,c_3=0$ ），這就是神經網絡做出預測的過程。

最后你要運行一下這個非極大值抑制，為了讓內容更有趣一些，我們看看一張新的測試圖像，這就是運行非極大值抑制的過程。如果你使用兩個anchor box，那么對于9個格子中任何一個都會有兩個預測的邊界框，其中一個的概率 $p_c$ 很低。但9個格子中，每個都有兩個預測的邊界框，比如說我們得到的邊界框是是這樣的，注意有一些邊界框可以超出所在格子的高度和寬度（編號1所示）。接下來你拋棄概率很低的預測，去掉這些連神經網絡都說，這里很可能什么都沒有，所以你需要拋棄這些（編號2所示）。

最后，如果你有三個對象檢測類別，你希望檢測行人，汽車和摩托車，那么你要做的是，對于每個類別單獨運行非極大值抑制，處理預測結果所屬類別的邊界框，用非極大值抑制來處理行人類別，用非極大值抑制處理車子類別，然后對摩托車類別進行非極大值抑制，運行三次來得到最終的預測結果。所以算法的輸出最好能夠檢測出圖像里所有的車子，還有所有的行人（編號3所示）。

這就是YOLO對象檢測算法，這實際上是最有效的對象檢測算法之一，包含了整個計算機視覺對象檢測領域文獻中很多最精妙的思路。你可以在本周的編程作業中嘗試現實這個算法，所以我希望你喜歡本周的編程練習，這里還有一個可選的視頻，你們可以看，也可以不看，總之，我們下周見。

課程板書

---

←上一篇↓↑下一篇→

3.8 Anchor Boxes	回到目錄	3.10 候選區域

---

總結

以上是生活随笔為你收集整理的3.9 YOLO算法-深度学习第四课《卷积神经网络》-Stanford吴恩达教授的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。