“我们的系统将输入图像划分为S * S网格。 如果对象的中心落入网格单元，则该网格单元 负责检测该对象。”
这是来自YOLO纸，输入图像分为S * S网格，这意味着conv的输出是S * S的大小，对吧？
如果是，这些小单元格（7 * 7）如何连接到输入图像的原始区域？我知道conv的工作原理，但是边界框如何进行回归？
答案 0 :(得分：0)
原始大小的地面真相将“调整为” SxS，在这种情况下，Yolov1中为7x7，Yolov2中为13x13 我认为这个Yolo实现可能对您了解yolo的构建方式很有用： https://github.com/1991viet/Yolo-pytorch