吴恩达深度学习3.9-YOLO算法

之前的几节课，我们已经对YOLO算法有了一定的了解和研究，我们把YOLO算法的各个部分都深入的进行了一定的分析，和逐步的比较。

这节课是把YOLO算法进行一次总体的演示，看看它的过程是什么样的。

训练集

第一步其实就像我们之前说的那样，一张图片会生成一个3x3x2x8的向量（如果你把图片分成3x3而且使用2个achorbox和3个物体类别的话）。

对于训练集来说，我们需要清楚地标记这个物体的方框及类别，同时因为我们知道他们存在或不存在，因此可以将Pc标注好。当Pc等于0时，下面的数据就可以不用关注了。

做出预测

这次我们使用一张新的图片，假设在一开始的卷积神经网络分析当中，它提取出了一些有可能的方框。

首先我们要做的是，将Pc小于一定数值的方框去除。

其次是对每个方框进行一个非最大值抑制，得到最后我们所需要的精确物体分类和物体位置确定。

问题

其实虽然已经对这个网络有了一定的了解，但是我对不同Anchorbox究竟是如何进行非最大值抑制的还是有点混乱。

在视频当中，吴恩达最后对4个重合的方框进行了非最大值抑制，但是我并没有看到这些方框有重叠的部分，所以理论上来说他们是不应该被非最大值抑制给删除掉的，不知道是因为吴恩达演示示例的问题还是我理解的问题，这个可能需要后期实践来进行一些确认。