【发布时间】：2016-05-06 20:36:56
【问题描述】：
这张图片来自这篇论文：http://arxiv.org/pdf/1511.02300v2.pdf。我无法理解这个模型中 softmax 的功能是什么。如果我们的目标是找到目标检测的边界框，为什么最后还要使用 softmax？
【问题讨论】：
标签： machine-learning computer-vision deep-learning convolution softmax
【发布时间】：2016-05-06 20:36:56
【问题描述】：
Softmax 应用于基于类的输出（看图，它不是边界框输出！）。 Boundig box输出不使用softmax，而是使用normal output + L1 loss。
【讨论】：
-
所以我们可以说 softmax 仅用于获取对象分数吗？论文中没有太多细节让我感到困惑。 @Iejlot
-
是的，使用论文中的术语来输出“objectness”
-
我认为在 softmax 层之后我们将有 20 个不同的概率值，例如边界框是概率为 0.75 的桌子，它是概率为 0.25 的椅子等等。但是，我的 ygold 值是多少对这些边界框进行分类？我们是否要将锚点用作 ygold 值？
-
这在论文中得到了准确的描述——第 5 页的回归，第 6 页的累积成本