囿篓·YOLO⑺
——“至于无为,無(mó)为而无不为。”
副标题:帛书《老子》著作名句。【“为学者日益,闻道者日损。损之又损,以至于无为。無为而无不为。将欲取天下者恒無事,及其有事也,不足以取天下。”】
「無“有事”」即不折腾。[思考]
囿篓即黑箱回归(box regression)!
与RCNN系列算法不同,囿篓·YOLO将目标检测视为回归问题——“黑箱回归”问题,囿篓直接单一地使用卷积网络进行分类并进行“箱式回归”。
黑箱(Black box),指一个只知道输入与输出关系而不知道内部结构的系统或设备。
“黑箱”概念起源于控制论,详见钱学森著作《工程控制论》。在控制论中,通常把所不知的区域或系统称为“黑箱”,而把全知的系统和区域称为“白箱”(White box),介于黑箱和白箱之间或部分可察黑箱则称为“灰箱”(Grey box)。
囿篓黑箱回归的具体方法是:将一幅图像划分成S※S个网格,令每个网格预测B个黑箱(Bboxes)的位置(x,y)、大小(w,h)以及箱信度Pɪₒᴜ(符合类别概率阈限的黑箱交并比IoU)。最后,输出一个维数为S※S※(B※5+C)的单维向量,其中C为检测对象的类别数。
无论囿篓网格中包含有多少个黑箱,令每个网格只预测一组“类别概率”。在检测期间,用条件概率与预测框箱的交并比相乘,以其乘积值作为每个黑箱包含有某一类型对象的置信度Cₚ。注意,这个积值“概率”数据Cₚ同时函盖了黑箱所属的类别概率和预测黑箱的位置准确率。
YOLO,“只瞄一回!”
囿篓,一篓捞尽。
———————
且待下回分解“囿篓”……
悦读链:
1、网页链接
2、《工程控制论》网页链接