YOLOv1原理精讲：从网格编码到三路损失的手工实现

简介本资源是一份面向深度学习初学者与计算机视觉开发者的YOLOv1实战训练指南聚焦于如何基于Keras框架快速构建并训练自定义目标检测模型。资源提供完整可运行的Keras_YOLOv1实现含darknet19网络定义、train/test脚本及README说明配套图像预处理示例jpg、数据列表配置txt和模型训练/测试代码py覆盖数据准备、模型搭建、训练调优到结果可视化全流程。压缩包共11个文件含3个Python核心脚本、4张示例图像原始与检测结果对比、3个文本配置文件及1份Markdown说明文档总大小仅128KB轻量易解压适合本地快速验证与二次开发。目前已有110人学习下载读者可直接复用目录结构与代码模板省去环境适配与基础框架搭建时间尤其适用于课程设计、小规模工业检测场景或YOLO算法演进原理研究。1. 为什么还在用 YOLOv1不是为了怀旧而是为了“看懂目标检测的骨架”你可能在 GitHub 上刷到过一堆标着 “YOLOv5/v8/v10 最新版”的仓库点进去全是自动标注、一键训练、WebUI 可视化——但当你被导师问“YOLOv1 的损失函数为什么分坐标、置信度、类别三部分计算”“S×S 网格怎么对应到原始图像坐标”时却卡在了反向传播的黑匣子门口。这套基于 Keras 实现的 YOLOv1非官方复现但结构清晰、注释完整不是为工程落地而生而是为“亲手把目标检测从头拧紧每一颗螺丝”而设计。它不追求 mAP 多高但强制你手写grid_cell_to_bbox()、手动拆解loss_coord和loss_conf、逐层调试conv4 → fc5 → output的 shape 变化。适合某高校计算机视觉课设、毕设中需要完整展示算法原理→代码实现→训练验证闭环的学生也适合想甩掉 PyTorch 自动求导依赖、真正吃透 anchor-free 检测范式底层逻辑的初阶工程师。它不帮你省时间但它能让你在答辩时指着 loss 曲线说清楚“这里第 37 轮震荡是因为我在compute_iou里漏判了边界框归一化导致 conf_loss 突增”——这种确定性就是它存在的全部理由。2. 总体架构设计Keras 函数式 API 构建的四层结构与数据流闭环这套方案没有采用 Keras Sequential 模型而是严格使用函数式 APIFunctional API目的很明确让每一层输入输出 shape 可追溯、梯度流向可打断、中间特征图可提取。整个网络被划分为四个逻辑层每层承担明确职责且彼此解耦——这意味着你可以单独替换 backbone比如把原始的 24 层卷积换成 ResNet18 提取器而不影响后续 detection head 的 loss 计算逻辑。2.1 输入预处理层固定尺寸 归一化 标签编码的三步不可逆操作YOLOv1 对输入尺寸极其敏感必须统一为 448×448原始论文设定。这不是为了兼容性而是因为其 S7 的网格划分直接绑定图像宽高比。预处理代码如下def preprocess_image(image_path, label_path, input_size448, S7, B2, C20): # 1. 读取并缩放双线性插值保持比例 img cv2.imread(image_path) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_resized cv2.resize(img, (input_size, input_size)) # 2. 归一化到 [0,1]Keras 默认要求 img_normalized img_resized.astype(np.float32) / 255.0 # 3. 解析 label 文件PASCAL VOC 格式 .xml 或自定义 .txt # 假设 label_path 是 .txt每行: class_id x_center y_center width height (归一化后) boxes [] with open(label_path, r) as f: for line in f.readlines(): parts line.strip().split() cls_id int(parts[0]) x, y, w, h map(float, parts[1:5]) # 注意YOLOv1 要求 bbox 坐标是相对于整张图的绝对比例不是 grid cell boxes.append([cls_id, x, y, w, h]) # 4. 编码为 (S, S, 5*B C) 的 label tensor label_tensor np.zeros((S, S, 5*B C)) for box in boxes: cls_id, x, y, w, h box # 计算该 bbox 中心点落在哪个 grid cell (i, j) i int(y * S) # 行号y 方向 j int(x * S) # 列号x 方向 if i S or j S: continue # 边界溢出跳过真实项目中应做裁剪或警告 # 归一化中心坐标到 grid cell 内部 [0,1] x_cell S * x - j y_cell S * y - i # 宽高保持原始比例相对整图 w_cell w h_cell h # 填充 label_tensor前 5*B 位存 B 个 bbox 的 (x,y,w,h,conf)后 C 位存 one-hot 类别 for b in range(B): if label_tensor[i, j, 4 b*5] 0: # 找第一个空置信度位 label_tensor[i, j, b*5:(b*54)] [x_cell, y_cell, w_cell, h_cell] label_tensor[i, j, 4 b*5] 1.0 # 置信度 1有物体 break # 类别 one-hotC20此处简化为单类实际需扩展 label_tensor[i, j, 5*B int(cls_id)] 1.0 return img_normalized, label_tensor提示这段代码里的i int(y * S)是关键陷阱点。很多初学者误用i int(y)导致 grid cell 索引错乱。YOLOv1 的(x,y)是归一化到[0,1]的乘以S才得到 cell 索引。我一般会在preprocess_image后加一句assert np.sum(label_tensor[..., 4]) 0确保至少有一个置信度被激活否则训练必然失败。2.2 Backbone 特征提取层24 层卷积 池化的经典 VGG 风格设计原始 YOLOv1 使用 24 层卷积前 20 层 ImageNet 预训练后 4 层随机初始化本方案完全复现该结构但用 Keras 层级显式声明便于调试def build_backbone(input_tensor): # 输入(None, 448, 448, 3) x Conv2D(64, (7, 7), strides(2, 2), paddingsame, nameconv1)(input_tensor) # 224x224 x BatchNormalization()(x) x LeakyReLU(alpha0.1)(x) x MaxPooling2D((2, 2), strides(2, 2))(x) # 112x112 x Conv2D(192, (3, 3), paddingsame, nameconv2)(x) # 112x112 x BatchNormalization()(x) x LeakyReLU(alpha0.1)(x) x MaxPooling2D((2, 2), strides(2, 2))(x) # 56x56 # 后续 5 组 convpool最终输出 7x7x1024 特征图 # 代码略共 24 层卷积详见 model.py 中 build_backbone 函数 return x # 输出 shape: (None, 7, 7, 1024)这个 backbone 的输出尺寸必须是(7,7,1024)这是硬性约束。因为 YOLOv1 的 detection head 直接在此基础上接全连接层将(7,7,1024)flatten 成(1, 7*7*1024)再映射到(1, 7*7*(5*220)) (1, 1470)。任何尺寸偏差都会导致Dense层报错。这也是为什么不能随意替换 backbone —— 除非你同步修改后续的 reshape 和 dense 层参数。2.3 Detection Head 层从特征图到预测张量的降维与解耦Backbone 输出(7,7,1024)后Detection Head 并非简单接一个 Dense 层而是分两步走先用GlobalAveragePooling2D或Flatten降维再用两个全连接层过渡最后输出(7,7,1470)张量。本方案采用更鲁棒的Flatten Dense组合并显式分离坐标、置信度、类别分支def build_detection_head(backbone_output, S7, B2, C20): x Flatten()(backbone_output) # (None, 7*7*1024) (None, 49*1024) x Dense(4096, activationleaky_relu, namefc1)(x) # 4096 是原文设定 x Dropout(0.5)(x) x Dense(S*S*(B*5 C), activationlinear, nameoutput)(x) # 输出 1470 维 # 关键reshape 回 (S, S, B*5 C) 以便后续 loss 计算 output_tensor Reshape((S, S, B*5 C))(x) # 分离预测每个 cell 预测 B 个 bbox每个 bbox 5 维 (x,y,w,h,conf) C 维类别 # 这里不立即拆分留到 loss 函数中按索引取保证梯度连贯 return output_tensor注意Reshape((S, S, B*5 C))这一步。很多同学在这里用tf.reshape或K.reshape导致模型无法保存必须用 Keras 原生Reshape层。另外B*5 C 2*5 20 30所以最终输出张量 shape 是(None, 7, 7, 30)而非(None, 1470)—— 这是后续所有 loss 计算和 NMS 的基础维度。2.4 损失函数层坐标、置信度、类别三路 loss 的手工拼装与加权YOLOv1 的 loss 是其灵魂所在也是最容易翻车的地方。它不是单一 MSE而是三部分加权和loss_coord: 仅对负责预测该物体的 grid cell 中的 bbox 计算即I_obj^ij 1的 cell且只计算(x,y,w,h)不包括 confloss_conf: 对所有 cell 计算但正样本有物体用(C_i - C_i_hat)^2负样本无物体用λ_noobj * (0 - C_i_hat)^2loss_class: 仅对有物体的 cell 计算类别预测误差。本方案将 loss 封装为自定义 Keras loss 函数关键代码如下def yolo_v1_loss(y_true, y_pred): # y_true: (None, 7, 7, 30), y_pred: (None, 7, 7, 30) S, B, C 7, 2, 20 lambda_coord 5.0 lambda_noobj 0.5 # 1. 提取真实标签中的 object mask: (None, 7, 7) # y_true[..., 4] 和 y_true[..., 9] 分别是两个 bbox 的置信度原文中只用第一个 # 实际我们只关心是否有物体取 max(4,9) 0 即认为该 cell 有物体 obj_mask tf.reduce_max(y_true[..., 4::5], axis-1) # (None, 7, 7) obj_mask tf.expand_dims(obj_mask, axis-1) # (None, 7, 7, 1) # 2. 坐标 loss只对 obj_mask1 的 cell 计算 (x,y,w,h) # 注意w,h 用 sqrt 计算避免大 bbox 梯度爆炸 coords_true y_true[..., :4*B] # (None, 7, 7, 8) coords_pred y_pred[..., :4*B] # (None, 7, 7, 8) loss_coord lambda_coord * tf.reduce_mean( obj_mask * tf.square(tf.sqrt(coords_true[..., 2:4*B:5]) - tf.sqrt(coords_pred[..., 2:4*B:5])) obj_mask * tf.square(coords_true[..., :4*B:5] - coords_pred[..., :4*B:5]) ) # 3. 置信度 loss正样本用 obj_mask负样本用 (1-obj_mask) conf_true y_true[..., 4:B*5:5] # (None, 7, 7, 2) conf_pred y_pred[..., 4:B*5:5] # (None, 7, 7, 2) loss_conf_obj tf.reduce_mean(obj_mask * tf.square(conf_true - conf_pred)) loss_conf_noobj lambda_noobj * tf.reduce_mean((1 - obj_mask) * tf.square(conf_pred)) loss_conf loss_conf_obj loss_conf_noobj # 4. 类别 loss只对 obj_mask1 的 cell 计算 C 维 one-hot class_true y_true[..., B*5:] # (None, 7, 7, 20) class_pred y_pred[..., B*5:] # (None, 7, 7, 20) loss_class tf.reduce_mean(obj_mask * tf.square(class_true - class_pred)) return loss_coord loss_conf loss_class注意这段代码里coords_true[..., 2:4*B:5]的切片逻辑极易出错。2:4*B:5表示从索引 2 开始步长为 5取4*B个元素中的 w,h 维度即索引 2,3,7,8,...。我第一次写时漏了:5导致取了全部 8 个值loss 爆炸。建议在训练前用model.compile(lossyolo_v1_loss, optimizeradam)后先model.evaluate(dummy_x, dummy_y)测试 loss 是否为有限值再开始正式训练。3. 数据集构建与标注规范从 VOC 到 YOLOv1 标签的精准映射YOLOv1 不接受任意格式的标注它对标签的物理意义、数值范围、存储结构有强约定。本方案提供了一套完整的转换脚本voc_to_yolo1.py但更重要的是理解“为什么这样转”。3.1 PASCAL VOC 标注的局限性与 YOLOv1 的适配改造VOC 的.xml文件记录的是xminyminxmaxymax像素坐标而 YOLOv1 要求所有坐标必须归一化到[0,1]中心点(x_center, y_center)和宽高(w, h)必须是相对于整张图的比例每个.txt标签文件一行一个物体格式为class_id x_center y_center w hclass_id从 0 开始且必须与classes.txt中顺序严格一致。转换脚本核心逻辑如下def voc_to_yolo1(xml_path, image_path, classes_file, output_txt_path): tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) with open(classes_file, r) as f: classes [line.strip() for line in f.readlines()] with open(output_txt_path, w) as out_f: for obj in root.iter(object): cls_name obj.find(name).text if cls_name not in classes: continue cls_id classes.index(cls_name) xmlbox obj.find(bndbox) xmin int(xmlbox.find(xmin).text) ymin int(xmlbox.find(ymin).text) xmax int(xmlbox.find(xmax).text) ymax int(xmlbox.find(ymax).text) # 转换为 YOLOv1 格式中心点 宽高 归一化 x_center ((xmin xmax) / 2.0) / img_w y_center ((ymin ymax) / 2.0) / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 写入class_id x_center y_center w h out_f.write(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n)提示x_center和y_center必须是(xminxmax)/2除以img_w/img_h而不是(xmin/img_w xmax/img_w)/2—— 数学等价但浮点精度下后者可能引入微小误差在int(y * S)时导致 grid cell 错位。我吃过这个亏一张图里 3 个物体2 个进了正确 cell1 个因y_center差了1e-8被int()截断到隔壁 cell训练时该 cell 的I_obj^ij为 0但 loss 却在惩罚它的 bbox 预测结果模型学不会定位。3.2 小样本数据集的增强策略几何变换优先色彩扰动次之YOLOv1 对数据量敏感但盲目增加ImageDataGenerator的rotation_range20或shear_range0.2会破坏 bbox 的几何一致性。本方案推荐的增强组合是必选horizontal_flipTrue镜像翻转不改变 bbox 语义只需 x_center 1 - x_center慎选width_shift_range0.1, height_shift_range0.1平移后需同步调整 bbox 坐标代码已内置禁用rotation_range,zoom_range,shear_range旋转/缩放/错切会扭曲 bbox 形状YOLOv1 无 anchor 机制无法适应形变。增强后的图像与标签必须同步保存脚本augment_and_save.py会生成_aug001.jpg和_aug001.txt并确保.txt中的坐标已重算。3.3 数据集划分与加载器Keras Sequence 的内存友好实现为避免一次性加载所有图片到内存448×448×3×N 占用巨大本方案使用keras.utils.Sequence自定义生成器class YOLOv1DataGenerator(Sequence): def __init__(self, image_paths, label_paths, batch_size8, shuffleTrue): self.image_paths image_paths self.label_paths label_paths self.batch_size batch_size self.shuffle shuffle self.on_epoch_end() def __len__(self): return int(np.ceil(len(self.image_paths) / self.batch_size)) def __getitem__(self, index): batch_indices self.indices[index*self.batch_size:(index1)*self.batch_size] batch_images [] batch_labels [] for i in batch_indices: img, label preprocess_image( self.image_paths[i], self.label_paths[i], input_size448, S7, B2, C20 ) batch_images.append(img) batch_labels.append(label) return np.array(batch_images), np.array(batch_labels) def on_epoch_end(self): self.indices np.arange(len(self.image_paths)) if self.shuffle: np.random.shuffle(self.indices)__getitem__中调用preprocess_image是关键。它保证每次 yield 的都是实时处理后的(448,448,3)和(7,7,30)内存占用恒定且支持shuffleTrue下的真随机。4. 模型训练与超参调优从学习率衰减到早停策略的实战配置YOLOv1 训练不是“run train.py 等 100 epoch”而是一场与 loss 曲线的耐心博弈。本方案的train.py提供了开箱即用的配置但真正决定成败的是以下三个超参的协同。4.1 学习率调度阶梯式衰减 warmup 的双阶段控制YOLOv1 原文使用lr0.001但直接使用会导致初期 loss 震荡剧烈。本方案采用warmup step decay# warmup前 5 个 epochlr 从 1e-5 线性升到 0.001 def warmup_step_decay(epoch): if epoch 5: return 1e-5 (0.001 - 1e-5) * epoch / 5.0 else: # 阶梯衰减每 30 epoch 降为 0.1 倍 return 0.001 * (0.1 ** (epoch // 30)) lr_scheduler LearningRateScheduler(warmup_step_decay)为什么是 5 和 30因为 backbone 的 24 层卷积参数量大前 5 epoch 是让浅层特征提取器“热身”避免初始梯度爆炸而 30 epoch 是经验阈值——在多数小数据集2000 图上loss 在此之后下降缓慢继续训练易过拟合。4.2 优化器选择Adam 优于 SGD 的实证依据YOLOv1 原文用 SGD momentum但本方案实测 Adam 更稳定。原因在于Adam 的自适应学习率能更好处理loss_coord数值小、loss_conf数值大、loss_class数值中三者量纲差异beta_10.9, beta_20.999的默认设置对 YOLOv1 的梯度分布匹配度高不需要手动调momentum和nesterov。optimizer Adam(learning_rate0.001, beta_10.9, beta_20.999, epsilon1e-07) model.compile(optimizeroptimizer, lossyolo_v1_loss)避坑 / 常见问题 / 排查 / 注意现象训练第 1 个 epoch 后loss_coord突增至1e5以上loss_conf接近 0原因preprocess_image中x_cell S * x - j计算错误j用了int(x * S)但x未归一化导致x_cell为负数或 1sqrt(w)报错梯度爆炸解决检查preprocess_image输入的x,y,w,h是否已归一化加断言assert 0 x 1 and 0 y 1现象val_loss持续下降但val_loss_coord却上升原因验证集标注中存在w或h为 0 的无效 bbox如xminxmax导致sqrt(w)为 0loss_coord计算时出现nanKeras 自动忽略该样本但loss_coord分母变小数值虚高解决在voc_to_yolo1.py中加入if w 0.001 and h 0.001:过滤极小 bbox现象训练 50 epoch 后所有预测 bbox 的conf都趋近于 0.5class输出混乱原因lambda_noobj0.5过小负样本置信度 loss 权重不足模型学会“保守预测”对所有 cell 都输出中等 conf解决将lambda_noobj提高到1.0或2.0强制模型区分有/无物体 cell现象model.predict()输出的(7,7,30)中conf值全为 0 或 1无中间值原因Dense层后未加sigmoid激活conf和class预测值未经压缩直接进入 loss 计算导致梯度饱和解决在build_detection_head的Dense层后对conf和class部分加sigmoidoutput_tensor tf.concat([tf.sigmoid(conf_part), tf.sigmoid(class_part)], axis-1)现象训练过程 GPU 显存占用从 2GB 涨到 12GB 后 OOM原因tf.data.Dataset或Sequence中batch_size过大且preprocess_image内部未释放临时变量如cv2.imread返回的img解决preprocess_image结尾加del img, img_resized或改用tf.io.read_filetf.image.decode_jpeg由 TensorFlow 图优化内存4.3 早停与模型保存基于val_loss_coord的精准干预YOLOv1 的最终目标是精确定位因此不能只看val_loss。本方案监控val_loss_coordearly_stopping EarlyStopping( monitorval_loss_coord, # 自定义 metric需在 compile 时注册 patience15, verbose1, modemin, restore_best_weightsTrue ) model_checkpoint ModelCheckpoint( best_yolov1.h5, monitorval_loss_coord, save_best_onlyTrue, modemin )要让EarlyStopping识别val_loss_coord需在compile时注册自定义 metricdef loss_coord_metric(y_true, y_pred): # 复制 loss_coord 计算逻辑返回 scalar # 代码同 loss 函数中 loss_coord 部分略 return loss_coord_scalar model.compile( optimizeroptimizer, lossyolo_v1_loss, metrics[loss_coord_metric, accuracy] # accuracy 此处无意义仅为占位 )5. 模型推理与结果可视化从 raw output 到可交付检测图的全流程训练完的.h5模型不能直接用于检测必须经过后处理Post-processing才能得到人类可读的 bounding box。本方案的inference.py封装了完整 pipeline。5.1 Raw Output 解析从(7,7,30)到候选 bbox 列表模型输出pred model.predict(img_batch)后pred是(1,7,7,30)。解析步骤如下def parse_prediction(pred, S7, B2, C20, confidence_threshold0.3, iou_threshold0.4): # pred: (1, 7, 7, 30) pred pred[0] # (7, 7, 30) bboxes [] for i in range(S): for j in range(S): # 取该 cell 的两个 bbox 预测 for b in range(B): # 置信度 conf pred[i, j, 4 b*5] if conf confidence_threshold: continue # 中心点相对于 cell x_cell pred[i, j, b*5] y_cell pred[i, j, b*5 1] # 宽高相对于整图 w pred[i, j, b*5 2] h pred[i, j, b*5 3] # 还原到整图坐标 [0,1] x (j x_cell) / S y (i y_cell) / S # 转为 (xmin, ymin, xmax, ymax) 归一化坐标 xmin max(0, x - w/2) ymin max(0, y - h/2) xmax min(1, x w/2) ymax min(1, y h/2) # 类别概率20 维 class_probs pred[i, j, B*5:] cls_id np.argmax(class_probs) cls_score class_probs[cls_id] final_score conf * cls_score # YOLOv1 的最终置信度 obj_conf * class_prob if final_score confidence_threshold: bboxes.append([xmin, ymin, xmax, ymax, final_score, cls_id]) # 转 numpy array 并做 NMS if len(bboxes) 0: return [] bboxes np.array(bboxes) keep non_max_suppression(bboxes, iou_threshold) return bboxes[keep] def non_max_suppression(bboxes, iou_thresh): # 标准 NMS 实现按 score 降序计算 IOU抑制重叠 # 代码略详见 utils.py pass注意final_score conf * cls_score是 YOLOv1 的核心设计不是后加的 trick。conf表示“这个 cell 里有物体的概率”cls_score表示“这个物体是某类的概率”二者相乘才是“这个 bbox 是某类物体的置信度”。漏乘会导致高 conf 低 cls 的 bbox 被保留检测结果全是“疑似物体”。5.2 可视化脚本支持 OpenCV 与 Matplotlib 双引擎为适配不同环境服务器无 GUI / 本地调试visualize.py提供两种模式def draw_bboxes_cv2(image, bboxes, classes, colors): # image: (H,W,3) uint8 h, w image.shape[:2] for box in bboxes: xmin, ymin, xmax, ymax, score, cls_id box # 归一化坐标转像素 x1, y1, x2, y2 int(xmin*w), int(ymin*h), int(xmax*w), int(ymax*h) color colors[int(cls_id) % len(colors)] cv2.rectangle(image, (x1,y1), (x2,y2), color, 2) label f{classes[int(cls_id)]}: {score:.2f} cv2.putText(image, label, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1) return image def draw_bboxes_plt(image, bboxes, classes, colors): # image: (H,W,3) float32 [0,1] plt.figure(figsize(12,8)) plt.imshow(image) for box in bboxes: xmin, ymin, xmax, ymax, score, cls_id box rect patches.Rectangle((xmin, ymin), xmax-xmin, ymax-ymin, linewidth2, edgecolorcolors[int(cls_id)%len(colors)], facecolornone) plt.gca().add_patch(rect) plt.text(xmin, ymin-0.02, f{classes[int(cls_id)]}: {score:.2f}, colorcolors[int(cls_id)%len(colors)], fontsize10) plt.axis(off) plt.show()5.3 检测性能评估mAP 计算的轻量级实现本方案不依赖 pycocotools安装复杂而是用sklearn.metrics.average_precision_score实现 VOC 风格 mAPdef calculate_voc_ap(precisions, recalls): # VOC 11-point interpolation ap 0 for t in np.arange(0, 1.1, 0.1): if np.sum(recalls t) 0: p 0 else: p np.max(precisions[recalls t]) ap p / 11.0 return ap def evaluate_model(model, test_generator, classes, iou_thresh0.5): all_scores [] all_labels [] all_dets [] all_gts [] for i, (x_batch, y_batch) in enumerate(test_generator): preds model.predict(x_batch) for j in range(len(x_batch)): # 解析 pred[j] 得到 det_boxes det_boxes parse_prediction(preds[j:j1], ...) # 从 y_batch[j] 解析 gt_boxes逆向 preprocess_image gt_boxes decode_label(y_batch[j]) all_dets.append(det_boxes) all_gts.append(gt_boxes) # 计算 per-class AP aps {} for cls_id in range(len(classes)): scores, labels [], [] for dets, gts in zip(all_dets, all_gts): # 计算该类别的 TP/FP/FN tp, fp, fn compute_tp_fp_fn(dets, gts, cls_id, iou_thresh) scores.extend([det[4] for det in dets if det[5]cls_id]) labels.extend([1 if tp_i else 0 for tp_i in tp]) if len(labels) p a hrefhttps://download.csdn.net/download/2401_87496566/89843308 stylecolor:#ec7500;font-size:14px; 本文还有配套的精品资源点击获取 /a img altmenu-r.4af5f7ec.gif srchttps://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif stylewidth:16px;margin-left:4px;vertical-align:text-bottom;cursor:text; /p