在 YOLO 中标注训练数据

Question

我刚开始接触 CNN 和计算机视觉，所以我开始研究对象检测算法，我已经阅读了 Yolov1 的论文，我正在尝试使用从头开始实现代码tensorflow（我知道这会很困难，但我觉得我可以通过这种方式学到更多东西），但是我对训练数据格式有疑问。

根据 YOLOv1，如果我想识别 3 个图像，标签应该是这样的：

[Objectness,x,y,W,H,c1,c2,c3] 

其中 c1、c2、c3 表示类的数量，在本例中为 3（例如人类、自行车、汽车) 和 Objectness 表示有对象的置信度1 如果有对象，0 表示没有对象。 .

使用上面的图像作为参考，我是否需要为这个特定的图像标记所有 空单元格？

1st cell, there is no object here    = [0,?,?,?,?,?,?,?]
2nd cell, there is no object here    = [0,?,?,?,?,?,?,?]
3rd cell, there is no object here    = [0,?,?,?,?,?,?,?]
4th cell, there is a black car here  = [1,x,y,W,G,0,0,1]
5th cell, there is no object here    = [0,?,?,?,?,?,?,?]
6th cell, there is a silver car here = [1,x,y,W,G,0,0,1]
7th cell, there is no object here    = [0,?,?,?,?,?,?,?]
8th cell, there is no object here    = [0,?,?,?,?,?,?,?]
9th cell, there is no object here    = [0,?,?,?,?,?,?,?]

或者只是包含对象的 2 个标签

4th cell, there is a black car here  = [1,x,y,W,G,0,0,1]
6th cell, there is a silver car here = [1,x,y,W,G,0,0,1]

Answer 1

我认为您不应该自己标记每个单元格。如果你以AlexeyAB 为例，你可以看到每行注释应该包含 5 个元素：

<object-class> <x_center> <y_center> <width> <height>

具有相对值。将图像划分为单元格并计算对象性分数应该在程序中进行。

您提到的标记[Objectness,x,y,W,H,c1,c2,c3] 是在每个单元格创建的张量，然后用于训练暗网网络。