YOLOv1 技术详解：正负样本划分与置信度设计

YOLOv1 技术详解：正负样本划分与置信度设计

一、前言

YOLOv1 是目标检测领域中具有划时代意义的算法之一，它将检测任务统一为一个回归问题，实现了“You Only Look Once”的端到端实时检测。其中，正负样本的划分机制 和 置信度（confidence）的设计 是理解其训练流程的关键。

本文将从以下两个方面深入解析：

• YOLOv1 中的正负样本是如何划分的？
• 置信度（confidence）到底是什么？它的计算方式和作用是什么？

---

二、YOLOv1 的输出结构回顾

在进入正题之前，先简单回顾一下 YOLOv1 的输出结构：

✅ 输出张量维度：

S × S × (B×5 + C)

其中：

• S：网格数量（通常为 7）
• B：每个网格预测的边界框数量（通常为 2）
• 5：每个 bounding box 包含的信息：x, y, w, h, confidence
• C：类别数量（如 PASCAL VOC 为 20）

---

三、正样本与负样本的划分机制

在训练过程中，YOLOv1 并不是对所有预测框都进行监督学习，而是根据真实框的位置来选择哪些预测框是负责预测该物体的。

核心思想：

• 每个真实框（ground truth）只会被分配给一个 grid cell；
• 这个 grid cell 内的多个 bounding box 中，IoU 最高的那个预测框作为正样本；
• 其他不负责预测真实框的预测框可能被视为负样本或忽略项。

划分步骤详解：

1. 确定真实框中心所在的 grid cell

   • 图像被划分为 S × S 的网格；
   • 真实框的中心点落在哪个格子，就由该格子负责预测；

2. 在该 grid cell 的 B 个预测框中找出 IoU 最高的那个

   • 计算每个预测框与真实框的 IoU；
   • 只有这个 IoU 最高的预测框会被标记为“正样本”，参与位置损失和置信度损失的计算；

3. 其他预测框如何处理？

   • 如果某个预测框与任意真实框的 IoU 超过阈值（如 0.5），也可能会被标记为正样本；
   • 否则，仅用于置信度损失计算（即认为“不含物体”）；

4. 负样本定义

   • 所有未被选中的预测框，若其预测的边界框与所有真实框的 IoU 都小于设定阈值，则视为“负样本”；
   • 仅参与置信度损失的计算，不参与位置损失；

---

四、置信度（Confidence）详解

置信度是 YOLOv1 中非常重要的一个概念，它不仅表示预测框是否包含物体，还结合了预测框与真实框之间的重叠程度（IoU）。

置信度的定义：

$$\text{confidence}=P(\text{object})\times {\text{IoU}}_{\text{pred,truth}}$$

其中：

• $P(\text{object})$：当前预测框是否包含物体（0 或 1）；
• ${\text{IoU}}_{\text{pred,truth}}$：预测框与真实框的交并比；

置信度的作用：

场景	置信度含义
正样本	表示预测框准确地定位到了物体，并且 IoU 较高
负样本	应该趋近于 0，表示“这里没有物体”
误检区域	置信度应低，避免误报

⚖️ 损失函数中置信度的作用：

在损失函数中，置信度部分的损失分为两部分：

• 正样本：希望置信度接近 IoU 值；
• 负样本：希望置信度趋近于 0；

公式如下：

$${\mathcal{L}}_{\text{confidence}}=\sum _{i=0}^{S^2}\sum _{j=0}^B\left[1_{ij}^{\text{obj}}\cdot {\left({\text{conf}}_i^j-{\widehat{\text{conf}}}_i^j\right)}^2+{\lambda }_{\text{noobj}}\cdot \left(1-1_{ij}^{\text{obj}}\right)\cdot {\left({\text{conf}}_i^j\right)}^2\right]$$

其中 ${\lambda }_{\text{noobj}}$ 是一个较小的权重系数（一般设为 0.5），用于降低负样本的影响。

---

五、正负样本划分的可视化说明（伪代码示意）

for each ground_truth_box in ground_truth_boxes:
    # Step 1: 找到对应 grid cell
    grid_x, grid_y = get_grid_cell(image_size, S, ground_truth_box.center)

    # Step 2: 在该 grid cell 的 B 个预测框中计算 IoU
    ious = [iou(pred_box, ground_truth_box) for pred_box in predicted_boxes[grid_x][grid_y]]

    # Step 3: 选取 IoU 最大的预测框作为正样本
    best_idx = np.argmax(ious)
    positive_boxes.append(predicted_boxes[grid_x][grid_y][best_idx])

    # Step 4: 其余预测框判断是否也为正样本（IoU > threshold）
    for j in range(B):
        if j != best_idx and ious[j] > iou_threshold:
            positive_boxes.append(predicted_boxes[grid_x][grid_y][j])
        else:
            negative_boxes.append(predicted_boxes[grid_x][grid_y][j])

---

六、总结

模块	内容
正样本划分	每个真实框只分配给一个 grid cell，该 cell 中 IoU 最高的预测框作为正样本
负样本划分	不包含物体的预测框作为负样本，仅参与置信度损失
置信度设计	$P(\text{object})\times \text{IoU}$，衡量预测框的准确性和置信程度
置信度作用	控制模型是否相信某个预测框含有物体，影响最终检测结果

---

七、结语

YOLOv1 通过统一建模的方式，首次实现了端到端的目标检测流程。其中，正负样本的划分机制 和 置信度的设计 是其训练稳定性和检测精度的重要保障。

虽然后续版本（如 YOLOv2、YOLOv3、YOLOX）对此进行了优化，但理解 YOLOv1 的这些核心机制，有助于我们更好地掌握现代目标检测框架的发展脉络。

---

欢迎点赞 + 收藏 + 关注我，我会持续更新更多关于计算机视觉、目标检测、深度学习、YOLO系列等内容！

---

下期预告：
《YOLOv2 技术详解：引入 Anchor Boxes 与多尺度预测》
敬请期待！