yolov8 最后坐标计算的流程

### YOLOv8 坐标计算流程解析 YOLOv8 是一种高效的实时目标检测算法，在其预测过程中，坐标计算是一个核心环节。以下是关于 YOLOv8 中坐标计算的具体流程分析： #### 预测阶段中的坐标解码 在 YOLOv8 的预测流程中，模型会输出一组特征图，这些特征图包含了边界框的位置信息、类别概率以及其他相关信息[^1]。对于每个候选框（anchor-free），模型通过回归的方式直接估计中心点偏移量和宽高比例。 具体来说，网络会对输入图像划分为多个网格单元格，并针对每一个可能的目标位置生成对应的预测值。假设某个特定的网格负责预测某物体，则该物体的真实边界框相对于当前网格左上角坐标的相对位移会被编码为 `(tx, ty)` 形式；而宽度与高度则分别表示为目标实际尺寸除以预定义的基础尺度后的缩放因子 `(tw, th)`[^2]。 最终得到的标准形式如下所示： ```python bx = σ(tx) + cx # bx 表示预测框中心x轴绝对坐标 by = σ(ty) + cy # by 表示预测框中心y轴绝对坐标 bw = pw * exp(tw) # bw 表示预测框宽度 bh = ph * exp(th) # bh 表示预测框高度 ``` 其中 `σ` 函数通常指代sigmoid激活函数用于将输出约束至0~1范围内以便于后续操作；`(cx,cy)` 定义的是对应cell内部像素级定位基础点；至于 `(pw,ph)` 则代表预先设定好的初始大小参数集合之一成员项。 上述过程即完成了从原始神经元响应向真实世界物理空间映射转换的任务描述工作流概述。 #### 后处理步骤 完成初步坐标还原之后进入后置处理部分，主要包括非极大抑制(NMS)，这一步骤旨在去除冗余重复标记出来的同一对象实例副本记录条目保留最优单一版本呈现给用户端查看确认用途所需结果集展示效果更佳直观清晰明了易于理解接受程度更高一些。 --- ### 示例代码实现 以下是一段简化版 Python 实现演示如何基于预测张量获取最终规范化后的矩形区域表达方式： ```python import torch def decode_predictions(predictions, anchors=None): """ 将模型输出转化为标准化的边界框 参数: predictions (Tensor): 模型预测的结果形状[B,H,W,A,4+C] 返回: boxes (list of Tensor): 转化后的边界框列表 """ device = predictions.device batch_size, grid_h, grid_w, num_anchors, _ = predictions.shape # 提取 xywh 数据并应用 Sigmoid 和 Exp 进行变换 pred_xy = torch.sigmoid(predictions[..., :2]) # Center offsets pred_wh = predictions[..., 2:4].clone() # Width and height adjustments if anchors is not None: anchor_tensor = torch.tensor(anchors).to(device) pred_wh *= anchor_tensor.view((1,1,1,num_anchors,-1)) # 计算最终坐标 cell_grid_x = torch.arange(grid_w).repeat(batch_size*num_anchors*grid_h,1)\ .view([batch_size,grid_h,grid_w,num_anchors]).float().to(device) cell_grid_y = torch.arange(grid_h).repeat_interleave(grid_w,batch_size*num_anchors)\ .view([batch_size,grid_h,grid_w,num_anchors]).float().to(device) box_cx = (pred_xy[..., 0] + cell_grid_x ) / grid_w # Normalized center x box_cy = (pred_xy[..., 1] + cell_grid_y ) / grid_h # Normalized center y box_w = torch.exp(pred_wh[..., 0]) / grid_w # Normalize width box_h = torch.exp(pred_wh[..., 1]) / grid_h # Normalize height # 组合成 [x_min,y_min,x_max,y_max] 格式的边界框 x_min = box_cx - box_w/2. y_min = box_cy - box_h/2. x_max = box_cx + box_w/2. y_max = box_cy + box_h/2. return torch.stack([x_min, y_min, x_max, y_max], dim=-1) # Example Usage dummy_preds = torch.randn((2,7,7,3,8)) # Batch=2; Grid=(7x7); Anchors=3; Output Channels=8 decoded_boxes = decode_predictions(dummy_preds) print(decoded_boxes.size()) # Should output something like 'torch.Size([2, 7, 7, 3, 4])' ``` ---