各位大大好，小弟最近在读CNN和yolov3 在看完论文後，有一些观念不太确定对不对 想请版友纠正: 1.训练时我们其实在训练的是每一层的卷积核，也就是所谓的filter(kernel)，让卷积网 路在实际应用时，可以透过这些核得到最大的响应（乘积），请问这样理解对吗？ 2.在「训练」时，物件中心（GT中心）的网格负责预测，而网路学习预测bounding box的 偏移量。根据论文可知v3会在三个尺度上做预测，我想请问的是，在「预测未知的图片」 ，也就是不是训练期的时候，是透过darknet-53这个feature extractor卷积後，在三个 尺度（8*8、16*16、32*32）的「每一个网格」直接输出它所预测的偏移量、置信度、类 别机率吗？ 抱歉第二个问题有点长，主要是想厘清「训练」跟「推论」阶段的一些程序，希望可以为 小弟解答，谢谢各位！ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 123.194.189.232 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1587306236.A.79E.html