我的问题与这个主题类似。当我开始思考 yolo 算法的输出时，我正在观看 Andrew Ng 的关于边界框预测的讲座。让我们考虑这个例子，我们使用 19x19 网格和只有一个具有 2 个类的感受野，所以我们的输出将是 => 19x19x1x5。最后一个维度（大小为 5 的数组）表示以下内容：
1) The class (0 or 1)
2) X-coordinate
3) Y-coordinate
4) height of the bounding box
5) Width of the bounding box
我不明白 X,Y 坐标是否代表相对于整个图像大小的边界框或仅代表感受野（滤波器）。在视频中，边界框被表示为感受野的一部分，但逻辑上感受野比边界框小得多，而且人们可能会修改过滤器的大小，因此相对于过滤器定位边界框是没有意义的。
那么，图像边界框的坐标基本上代表什么？
From 了解 YOLO https://hackernoon.com/understanding-yolo-f5a74bbc7967发帖@黑客中午：
每个网格单元预测 B 边界框以及 C 类
概率。边界框预测有 5 个组成部分：（x、y、w、
h，信心）. The (x, y)坐标表示中心
框，相对于网格单元位置（请记住，如果中心
盒子的does not落在网格单元内，而不是该单元格
对此负责）。这些坐标被标准化为介于
0 和 1。(w, h)盒子尺寸也标准化为 [0, 1]，
相对于图像大小。让我们看一个例子：
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
