基于VGG16的目标检测：为Bounding Box添加概率值遇问题

首先明确：decode_predictions()是专门为ImageNet预训练分类模型设计的，要求输入是1000维的分类概率数组，你的模型输出是Bounding Box坐标，完全不匹配，所以报错是必然的——这个函数对你的场景毫无用处。

下面给出无需额外训练模型的解决方案，直接在现有架构中扩展置信度输出：

方案1：拆分坐标与置信度为独立输出分支 #

1. 修改输出层构建函数 #

让每个目标分支同时输出Bounding Box坐标和置信度（置信度代表目标存在的概率，用sigmoid归一化到0-1区间）：

def output_bbox_with_confidence(name_prefix):
    flatten_out = Flatten()(vgg.output)
    
    # 共享全连接层提取特征
    shared_dense = Dense(512, activation="relu")(flatten_out)
    shared_dense = Dense(256, activation="relu")(shared_dense)
    shared_dense = Dense(128, activation="relu")(shared_dense)
    shared_dense = Dense(64, activation="relu")(shared_dense)
    shared_dense = Dense(32, activation="relu")(shared_dense)
    
    # Bounding Box坐标输出（4个值，sigmoid归一化到0-1）
    bbox = Dense(4, activation="sigmoid", name=f"{name_prefix}_bbox")(shared_dense)
    # 置信度输出（1个值，sigmoid归一化到0-1）
    confidence = Dense(1, activation="sigmoid", name=f"{name_prefix}_conf")(shared_dense)
    
    return bbox, confidence

2. 构建多输出模型 #

调用修改后的函数生成两个目标的输出分支：

# 生成第一个目标的bbox和置信度
bbox1, conf1 = output_bbox_with_confidence("target1")
# 生成第二个目标的bbox和置信度
bbox2, conf2 = output_bbox_with_confidence("target2")

# 定义模型输入输出
model = Model(inputs=vgg.input, outputs=[bbox1, conf1, bbox2, conf2])

3. 调整损失函数与编译 #

为不同输出分支匹配对应损失：

• 坐标分支：用均方误差(MSE)或平滑L1损失（适合回归任务）
• 置信度分支：用二元交叉熵（二分类：目标存在/不存在）

示例编译代码：

from tensorflow.keras.losses import MeanSquaredError, BinaryCrossentropy

losses = {
    "target1_bbox": MeanSquaredError(),
    "target1_conf": BinaryCrossentropy(),
    "target2_bbox": MeanSquaredError(),
    "target2_conf": BinaryCrossentropy()
}

# 给不同损失分配权重，可根据实际效果调整
lossWeights = {
    "target1_bbox": 1.0,
    "target1_conf": 0.5,
    "target2_bbox": 1.0,
    "target2_conf": 0.5
}

model.compile(optimizer=Adam(), loss=losses, loss_weights=lossWeights)

4. 调整训练数据格式 #

trainTargets和testTargets需要对应模型的4个输出，可使用字典或列表格式：

• 字典格式：{"target1_bbox": train_bbox1, "target1_conf": train_conf1, "target2_bbox": train_bbox2, "target2_conf": train_conf2}
• 列表格式：[train_bbox1, train_conf1, train_bbox2, train_conf2]

其中train_conf1是每个样本对应第一个目标是否存在的标签（0或1，或标注的置信度），train_bbox1是对应的4个坐标值。

5. 预测时获取置信度 #

训练完成后，直接从预测结果中提取置信度：

# 单帧预测
predictions = model.predict(frame_input)
# 结果顺序对应模型输出：bbox1, conf1, bbox2, conf2
bbox1 = predictions[0][0]
conf1 = predictions[1][0][0]  # 提取第一个目标的置信度
bbox2 = predictions[2][0]
conf2 = predictions[3][0][0]  # 提取第二个目标的置信度

print(f"目标1 BBox: {bbox1}, 置信度: {conf1:.4f}")
print(f"目标2 BBox: {bbox2}, 置信度: {conf2:.4f}")

方案2：单个分支输出5维向量（坐标+置信度） #

如果不想拆分多个输出，可让每个目标分支直接输出5个值（前4个为坐标，最后1个为置信度）：

修改输出层函数 #

def output_bbox_with_confidence(name):
    flatten_out = Flatten()(vgg.output)
    
    bbox = Dense(512,activation="relu")(flatten_out)
    bbox = Dense(256,activation="relu")(bbox)
    bbox = Dense(128,activation="relu")(bbox)
    bbox = Dense(64,activation="relu")(bbox)
    bbox = Dense(32,activation="relu")(bbox)
    # 输出5个值：前4个是bbox坐标，最后1个是置信度
    bbox = Dense(5, activation="sigmoid", name=name)(bbox)
    return bbox

自定义损失函数 #

需要拆分坐标和置信度的损失计算：

from tensorflow.keras.losses import MeanSquaredError, BinaryCrossentropy

def custom_bbox_loss(y_true, y_pred):
    # y_true前4维是坐标，第5维是置信度标签
    coord_loss = MeanSquaredError()(y_true[:, :4], y_pred[:, :4])
    conf_loss = BinaryCrossentropy()(y_true[:, 4:], y_pred[:, 4:])
    return coord_loss + 0.5 * conf_loss

# 构建模型
bboxlayer = output_bbox_with_confidence("target1")
bboxlayer_2 = output_bbox_with_confidence("target2")
model = Model(inputs=vgg.input, outputs=(bboxlayer, bboxlayer_2))

# 编译模型
losses = {"target1": custom_bbox_loss, "target2": custom_bbox_loss}
model.compile(optimizer=Adam(), loss=losses, loss_weights=lossWeights)

预测时提取置信度 #

predictions = model.predict(frame_input)
# 第一个目标的结果
target1_pred = predictions[0][0]
bbox1 = target1_pred[:4]
conf1 = target1_pred[4]
# 第二个目标的结果
target2_pred = predictions[1][0]
bbox2 = target2_pred[:4]
conf2 = target2_pred[4]

内容的提问来源于stack exchange，提问作者Luca