machine-learning - 如何为YOLO标记训练数据

Question

我有一个关于如何标记 YOLO 算法的训练数据的问题。

假设每个标签Y，我们需要指定[Pc, bx, by, bh, bw]，其中Pc是存在的指示符(1=存在，0=不存在)，(bx, by)是感兴趣对象中心的相对位置，(bh,bw) 是包含该对象的边界框的相对尺寸。

以下图为例，包含一辆黑色汽车的单元格 (1,2) 应该具有标签 Y = [1, 0.4, 0.3, 0.9, 0.5]。对于任何没有汽车的单元格，它们应该有一个标签 [0, ?, ?, ?, ?][ ] 1

但是如果我们有一个像这样更精细的网格，其中每个单元的尺寸都小于地面实况边界框。

假设汽车的地面实况边界框是红色框，地面实况中心点是红点，位于单元格 2 中。

对于单元格 2，它将具有标签 Y = [1, 0.9, 0.1, 2, 2]，这是正确的吗？对于 1、3、4 号电池，它们会有什么样的标签？他们的 Pc=1 还是 Pc=0？如果Pc=1，bx和by会怎样？ (我记得 bx, by 的值应该在 0 到 1 之间。但是在单元格 1,3,4 中，没有感兴趣对象的中心点)

Answer 1

实际上，它包含在单元格 2 中的中点。根据 Y.O.L.O，单元格 1、3、4 将显示 Pc=0。正如您所提到的，该算法仅计算包含中点的单元格并计算边界框，其中包含 bx、by、bh、bw。有了Y = [1, 0.9, 0.1, 2, 2]这个命题，我想如果以点(0,0)作为左上角，Y更有可能是Y = [1 ,0.2,0.57,0.21,0.15]，用 19 x 19 的网格计算如下。