大佬想问一下您的代码细节问题

[gongpx20069]

您的YOLOLayer类里的forward函数里的targets的大小是什么呢？能给个比较详细的解释吗？我想用VOC数据集来训练，也是第一次接触YOLO，拜托了

[liux0614]

targets 包括: idx, class_id, x, y, h, w (yolo format)
idx用于把bounding boxes和image对应起来，是个最小为0，最大为batch size大小的整数

[gongpx20069]

也就是说，这里的class_id, x, y, h, w都是int
您比如说batchsize=1，这个时候，targets的size就是(1,1,4)吗？

[liux0614]

不是 只有idx 和 class_id 是 int （但是在实际计算里的时候是这两个整数会被转化成float的，e.g. 1 -> 1.0)
targets的size应该是2d的: batch size x 6

Edit: the target size should be (total # of bounding boxes in a batch) x 6

[gongpx20069]

大佬，假如说是(batch_size, 6)的大小的话，假如一张图的bbox有多个呢？这不就没办法表示了吗？

[liux0614]

不好意思 我说错了 target size应该是 一个batch里面bounding box总数 x 6
然后idx用来标识每个bounding box该属于哪张图片, class_id标识这个bounding box属于哪类, x y h w是yolo格式的坐标

[gongpx20069]

大佬，我代码看得有点晕，这个idx是指该图片矩阵在batch中的位置吧？比如第一张的话idx=0；第二张idx=1这样？

[liux0614]

对的
比如你有三张图片，第一张图片有3个bbox，第二张有4个，第三张有5个，
那么你的targets就会有12个，前三个bbox的idx为0（对应第一张图片），之后的四个bbox的idx为1（对应第二张图片，最后5个bbox的idx为2（对应第三张图片

[gongpx20069]

稳了大佬，我大概都看懂了

[liux0614]

优秀