YOLO 输出图像数组中的最后一个维度对应于什么?

Question

>我正在阅读一篇文章，我发现了这个：

第一次检测由第 82 层进行。对于前 81 层，图像由网络向下采样，使得第 81 层的步幅为 32。如果我们有 416 x 416 的图像，则生成的特征图大小为 13 x 13。这里使用 1 x 1 检测内核进行一次检测，为我们提供了 13 x 13 x255 的检测特征图

在实现 YOLO 算法、构建模型并将图像作为输入传递给 Conv 网络时，我对这个片段产生了疑问：

output_vec = model.predict(img)
print([squeeze(a).shape for a in output_vec])

[(13， 13， 255(， (26， 26， 255

(， (52，52， 255(]

我明白(13,13(;(26, 26);(52， 52( 是三种不同比例的图像形状，但 255 对应于什么？

Answer 1

输出通道的数量对应于下面的等式B x (5 + C(。

输出特征映射中的每个点都将预测B边界框，其中每个边界框由 5 个数字组成：4 个数字表示边界框预测，第五个数字表示此边界框的置信度。 以及它所训练的每个C类的分类置信度。

在 COCO 上训练的 YOLO v3 的情况下，B = 3 和 C = 80 -> 3*(5 + 80( = 255