YOLO系列检测器优化策略之Match positive samples和Eliminate grid sensitivity

Posted 2022-03-18 @会飞的毛毛虫

目标检测任务中，代码中的grid是什么？

grid可以从两个角度理解：

• grid真实的代表是预测特征层，每一个grid cell就代表特征层上的一个像素点。
• 在输入图像中打上grid网格，就代表每一个grid cell(预测特征层的像素点)对应原始图像上的感受野，也就是等比例缩放后的大小。

因此：

• 想要得到预测特征层的输出(bbox、cls和conf)，只需要在grid上先通过一个3×3卷积，再通过一个1×1卷积即可。最后一个1×1卷积层的卷积个数为4+1+num_cls。这里的4代表4个bbox的预测值，1为置信度预测值，num_cls为类别预测值。特征层通过3×3卷积后，将特征进行整合，随后，1×1卷积则可以通过滑动的方式对每一个grid cell最终能看到