YOLO 的输出是什么？

Question

我正在尝试使用 YOLO 在 Android 应用程序中检测车牌。

所以我在 Google Colab 中训练了一个 YOLOv3 和一个 YOLOv4 模型。我使用 wonderfull project of Hunglc007 将这两个模型转换为 TensorFlow Lite，我还验证了它们是否正常工作并得到了以下结果：

但是当我试图理解模型的输出以在我的应用程序中对其进行调整时，我使用 netron:

得到了这个

当模型被训练为仅检测一个对象时，为什么我有 2 个输出？

为什么输出的格式是这样的，这个[1,1,4]代表什么？

编辑

可以找到 bboxes 的代码 here

boxes, scores, classes, valid_detections = tf.image.combined_non_max_suppression(
            boxes=tf.reshape(boxes, (tf.shape(boxes)[0], -1, 1, 4)),
            scores=tf.reshape(
                pred_conf, (tf.shape(pred_conf)[0], -1, tf.shape(pred_conf)[-1])),
            max_output_size_per_class=50,
            max_total_size=50,
            iou_threshold=FLAGS.iou,
            score_threshold=FLAGS.score
        )
        pred_bbox = [boxes.numpy(), scores.numpy(), classes.numpy(), valid_detections.numpy()]
        image = utils.draw_bbox(original_image, pred_bbox)
        # image = utils.draw_bbox(image_data*255, pred_bbox)
        image = Image.fromarray(image.astype(np.uint8))
        image.show()
        image = cv2.cvtColor(np.array(image), cv2.COLOR_BGR2RGB)
        cv2.imwrite(FLAGS.output + 'detection' + str(count) + '.png', image)

Answer 1

我不是 Netron 方面的专家，但通过检查问题及其预期输出，我发现它应该为每次检测产生两个输出；检测矩形和检测置信度。因此，您询问的两个输出可能是由 4 个浮点数定义的矩形 - 左上角的两个坐标，宽度和高度 - 以及一个浮点数的置信度。

Answer 2

很明显。用于检测模型。通常，它应该至少给出 2 个输出：边界框和关于边界框的 classes。因此，(1,1,4) 是边界框的第 4 个结果。第一个数字 1 是根据您的图像提取到模型中的。由于您只有一个对象，因此第二个数字的输出为 1。此外，边界框的 YOLO 配置是 (x_center,y_center,width,height)

(1,1,1) 将相同，但现在 1 用于您选择的 class 的标签。

YOLO 的输出是什么？

What's the output of YOLO?

tensorflow-lite

yolo