YOLO中每一个grid cell 的两个 bounding box 是如何初始化的呢？
我是先学习的 faster RCNN, 刚刚开始学习YOLO。
请问YOLO中是不是像 faster RCNN 那样 给 每个格子分配 几个anchor 呢？
在faster RCNN中，进入RPN的feature map上每一个点对应9个anchor，它们就是固定尺寸的bbox, 在训练时 这些anchor （假设是positive anchor）就是regression的启示值，最后目标是越来越接近Ground truth.
但是YOLO中似乎没有这个RPN和这个feature map的概念, 文章中也没有提到anchor。那么我就糊涂了，”每一个grid cell 对应 2个bbox“ 到底是什么意思呢？ 这两个bbox（x,y,h,w, c）的初始值不像是anchor那样事先定好的啊，那他们是怎么被初始化的呢？（如果初始化得不好，用线性方法学不出来啊）
请问YOLO中是不是像 faster RCNN 那样 给 每个格子分配 几个anchor 呢？
在faster RCNN中，进入RPN的feature map上每一个点对应9个anchor，它们就是固定尺寸的bbox, 在训练时 这些anchor （假设是positive anchor）就是regression的启示值，最后目标是越来越接近Ground truth.
但是YOLO中似乎没有这个RPN和这个feature map的概念, 文章中也没有提到anchor。那么我就糊涂了，”每一个grid cell 对应 2个bbox“ 到底是什么意思呢？ 这两个bbox（x,y,h,w, c）的初始值不像是anchor那样事先定好的啊，那他们是怎么被初始化的呢？（如果初始化得不好，用线性方法学不出来啊）
4 个回复
burgerk
赞同来自: 喻一凡
eternity1218 - 90后程序媛
赞同来自: burgerk
喻一凡
赞同来自:
vince
赞同来自:
yolo中bbox和fasterRcnn不一样的，faster Rcnn中bbox是预先确定的，而yolo中是不需要预先确定的，bbox的（x,y,h,c）是在训练的时候学习的。
为什么B取大于1的值，个人理解由于yolo的一个grid框只能检测一个目标，而实际图片中可能有目标重合的情况，这样多个bbox可能探测到不同的目标，不过在最终使用IOU大的那个作为识别结果，这样有助于提升召回率。