“我们的系统将输入图像划分为一个 S * S 网格。如果一个物体的中心落入一个网格单元，则该网格单元负责检测该物体。”
这是来自YOLO论文，输入图像被划分为S*S网格，也就是说conv的输出是S*S的大小，对吧？
如果是这样，这些小细胞（7 * 7）如何连接到输入图像的原始区域？我知道 conv 是如何工作的，但是边界框是如何进行回归的呢？
问问题
321 次
1 回答
0
原始大小的基本事实将“调整大小”为 SxS，在这种情况下，Yolov1 中为 7x7，Yolov2 中为 13x13 Yolo-pytorch
于 2018-09-03T21:47:38.407 回答