如何在 YOLO 目标检测算法中计算训练图像的 P(object) 和 P(class/object)？
How to calculate the P(object) and P(class/object) for training images in YOLO object detection algorithm?
我浏览了 YOLO 论文并了解了损失函数和所有内容。但我无法理解的是如何获得训练图像的上述值？他们的论文中对此没有明确的解释。
根据论文：
置信度=P(对象)*IOU
Class-特定置信度= P(Class_i|对象)
注：欠条=欠条（Predict_Box,Gt_Box）
P(Object)在{0, 1}，如果Predict_Box与Gt_Box的IOU为零，则设置P(Object)为0，表示背景，否则设置为1。
P(Class_i|Object)是条件概率。如果 Predict_Box 与 Gt_Box 的 IOU 为零，P(Class_i|Object) 应该为 0，因为它不是对象，否则将其设置为等同于 IOU。
我浏览了 YOLO 论文并了解了损失函数和所有内容。但我无法理解的是如何获得训练图像的上述值？他们的论文中对此没有明确的解释。
根据论文：
置信度=P(对象)*IOU
Class-特定置信度= P(Class_i|对象)
注：欠条=欠条（Predict_Box,Gt_Box）
P(Object)在{0, 1}，如果Predict_Box与Gt_Box的IOU为零，则设置P(Object)为0，表示背景，否则设置为1。
P(Class_i|Object)是条件概率。如果 Predict_Box 与 Gt_Box 的 IOU 为零，P(Class_i|Object) 应该为 0，因为它不是对象，否则将其设置为等同于 IOU。