yolov3.cfg中YOLO层中ignore_thresh和truth_thresh的作用是什么？
What is the purpose of ignore_thresh and truth_thresh in the YOLO layers in yolov3.cfg?
我试图解释 yolov3.cfg 文件中不同参数的用途，但是，我找不到 ignore_thresh 和 truth_thresh 的任何解释。
我目前（有限）的理解是，它们要么与非最大抑制有关，在非最大抑制中它们充当组合边界框的阈值，要么与预测置信度的上限和下限有关。
在网上找不到真正解释参数的人，只有复制粘贴部分配置文件的人。我查看了 https://blog.paperspace.com/tag/series-yolo/ YOLOv3 在 PyTorch 中的实现，但是，他们顺利地跳过了使用和解释这两个参数。
yolov3.cfg的相关部分如下所示。
[yolo]
mask = 3,4,5
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, ...
classes=80
num=9
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1
我认为这无关紧要，但我正在使用 AlexeyAB 的暗网存储库作为框架。
我还找到了this:
ignore_thresh = .7：该参数决定了需要计算的IOU误差是否大于thresh，IOU误差是否捏在成本函数。
truth_thresh = 1：参与计算的IOU阈值大小。
当预测检测框与ground true IOU重叠ignore_thresh时，检测框不参与loss的计算，否则参与。
目的是为了控制参与损失计算的检测框的尺度。
当ignore_thresh过大，接近1时，participate.The检测框的回归次数会少，容易造成over-fitting.
如果ignore_thresh设置的太小，那么参与计算的人数会比较多。同时在进行检测框回归时容易造成under-fitting
我试图解释 yolov3.cfg 文件中不同参数的用途，但是，我找不到 ignore_thresh 和 truth_thresh 的任何解释。
我目前（有限）的理解是，它们要么与非最大抑制有关，在非最大抑制中它们充当组合边界框的阈值，要么与预测置信度的上限和下限有关。
在网上找不到真正解释参数的人，只有复制粘贴部分配置文件的人。我查看了 https://blog.paperspace.com/tag/series-yolo/ YOLOv3 在 PyTorch 中的实现，但是，他们顺利地跳过了使用和解释这两个参数。
yolov3.cfg的相关部分如下所示。
[yolo]
mask = 3,4,5
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, ...
classes=80
num=9
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1
我认为这无关紧要，但我正在使用 AlexeyAB 的暗网存储库作为框架。
我还找到了this:
ignore_thresh = .7：该参数决定了需要计算的IOU误差是否大于thresh，IOU误差是否捏在成本函数。
truth_thresh = 1：参与计算的IOU阈值大小。
当预测检测框与ground true IOU重叠ignore_thresh时，检测框不参与loss的计算，否则参与。
目的是为了控制参与损失计算的检测框的尺度。
当ignore_thresh过大，接近1时，participate.The检测框的回归次数会少，容易造成over-fitting.
如果ignore_thresh设置的太小，那么参与计算的人数会比较多。同时在进行检测框回归时容易造成under-fitting