neural-network - 对于YOLO损失函数，为了得到项1objij的值，进行了什么计算？

Question

我试图了解如何计算圆圈项的值，我必须比较的输入/输出是什么？



让我们以第一个术语为例，如果我理解正确，它会是这样的:

假设我对第一个单元格的预测值，第一个边界框(yolov1 = 2 bbs)是

[pr, x, y, W, H]
[.7, 0.5, 0.3, 0.1, 0.1]

我真正的值(value)观是

[pr, x, y, W, H]
[1, 0.6, 0.4, 0.2, 0.2]

这意味着公式是这样的

5 * ( 1 或 0 ) ((0.6 - .5)^2 + (0.4 - 0.3)^2)

有人可以一步一步地提供一个例子来说明确定的指标是什么 1 或 0 ?

我们是否正在查看训练集图像中的标签？
我们在看预测的客观性分数吗？
欠条？

根据 YOLO 论文:

1objij : denotes that the jth bounding box predictor in cell i is “responsible” for that prediction

1obji : Denotes if object appears in cell i

但是这句话并不能完全帮助我回答我的问题......
任何帮助，将不胜感激。

Answer 1

1objij要么是 0或 1 :

总是0如果训练数据中的单元格为空，则在您的示例中，如果 pr 的值来自训练数据是 0 .注意:在训练数据中 pr 的值要么是 0或 1 ，对于此值，没有其他可能。

如果有 1在 pr 的训练数据中它还取决于 IoU预测的边界框和地面实况。 Yolo 预测 B每个单元格的边界框，最高IoU边界框对应的值1objij是 1对于所有其他边界框预测，它是 0 .

Are we looking at the label from the training set image? Are we looking at the predicted objectness score? IoU?

正如我试图回答 1objij两者都使用 pr来自训练数据和 IoU根据预测和训练数据计算。

1obji仅使用 pr从训练数据。