YOLOV8/11分割与分类输出参数说明

YOLOV8/11 输出三个尺度的特征图

对于640x640图像输入:

  1. 80x80 检测小目标
  2. 40x40 检测中目标
  3. 20x20 检测大目标

检测输出说明

对于640x640的图片输入,输出output084,8400,预测框的总数量是8400,每个预测框的维度是84(4+80),针对COCO数据集的80个类别而言

8400x84 = 80x80x84+40x40x84+20x20x84 = 80x80x(4+80)+40x40x(4+80)+20x20x(4+80)

其中4为预测框 cx,cy,w,h,代表预测框的中心点坐标与宽高;80为80个类别的置信度

输入图像大小不一样,输出的检测框数量不同

分割输出说明

分割有两个输出output0与output1,对于640x640 的图像输入,output0为检测头的输出其维度1x116x8400,output1为分割头的输出,其维度为1x32x160x160

output0维度1x116x8400,代表输出的检测框数量为8400,每个预测框的维度为116(4+80+32)

其中4为预测框 cx,cy,w,h,代表预测框的中心点坐标与宽高;80为80个类别的置信度,32维向量为与当前预测框关联的分割mask系数

output1分割头的输出维度为1x32x160x160,代表32个尺寸为160x160的基础mask,这些基础mask所有检测框共享,每个检测框的32维mask系数与output1做矩阵乘法得到当前检测框的最终mask

具体实现:

  1. Mask 系数(n×32) × 模型输出原型output1(32×160×160),n为筛选后预测框的数量
  2. 经过 sigmoid 激活
  3. 得到 n×160×160 的原始 Mask
  4. 把框从 640×640 → 缩放到 160×160,用于裁剪 Mask
  5. 把检测框以外的 Mask 全部设为 0
  6. 只保留框内的物体区域
  7. 把 160×160 中多余的灰色区域切掉(对于输入letterbox),得到有效小图
  8. 双线性插值缩放,把 Mask 缩放到 原图分辨率(如 1920×1080)
相关推荐
对你无可奈何16 分钟前
把零散的模型用起来:Magpie 接入 Trae,再折腾两个池子
人工智能
七夜zippoe30 分钟前
流式输出:让 AI 回答像打字机一样实时返回(SSE 全链路实战)
人工智能·spring·ai·流式输出·ssf
AI导出鸭PC端34 分钟前
纳米AI怎么复制表格?对话导出总是格式崩塌,我用“AI 导出鸭”重构了工作流
人工智能·重构·豆包·ai导出鸭
AI导出鸭PC端1 小时前
用 AI 导出鸭高效处理:豆包导 pdf 怎么压缩但清晰
android·人工智能·pdf·豆包·ai导出鸭
装不满的克莱因瓶1 小时前
【AI时代必学】一篇文章教会你从零搭建Serverless架构
java·人工智能·ai·云原生·架构·serverless
数字融合1 小时前
透明化视频驱动化工生产动态三维重建管控技术
大数据·人工智能·python
知行产研2 小时前
会感知、能协同,金科【钻孔】智能化路线 | bauma CHINA 2026
大数据·人工智能
谙弆悕博士2 小时前
从“预测下一个词”到“预测世界下一状态”:世界模型是不是下一个AGI叙事?
人工智能·gpt·深度学习·神经网络·agi·jepa·genie 4
敖老师2 小时前
企业知识库 × 飞书机器人 —— 从 0 到 1 接入
人工智能
AI前端工程狮3 小时前
我给 MCP 长任务做了持久化,结果造出一堆僵尸
人工智能·程序员