如何从YOLOv3 Darknet中获取检测目标的边界框坐标？

YOLOv3 推理过程本身就会输出每个检测框的坐标信息，根据你用的框架版本不同，具体获取方式如下：

1. 官方 Darknet 框架版本 #

默认推理返回的检测框坐标格式为中心点x、中心点y、宽度w、高度h，数值为相对于原图的归一化值，你可以按以下步骤获取实际像素坐标：

• 调用推理接口拿到检测结果：如果用Python封装接口，执行detections = darknet.detect_image(net, class_names, raw_img, thresh=0.5)，返回的每个检测结果的第三个字段就是(x, y, w, h)
• 转换为实际像素坐标：

  // C语言接口写法
  int x_abs = bbox.x * img_width;
  int y_abs = bbox.y * img_height;
  int w_abs = bbox.w * img_width;
  int h_abs = bbox.h * img_height;
  

  # Python接口写法
  x_abs, y_abs, w_abs, h_abs = map(lambda i: i * img_shape[index], bbox)
  

• 如果你需要左上角+右下角的坐标格式，可额外做转换：

  x1 = int(x_abs - w_abs / 2)
  y1 = int(y_abs - h_abs / 2)
  x2 = int(x_abs + w_abs / 2)
  y2 = int(y_abs + h_abs / 2)
  

2. PyTorch/TensorFlow 复现版本 #

绝大多数开源复现版本完成NMS后，输出的检测结果格式为[x1, y1, x2, y2, confidence, class_id]，这里的坐标已经是映射回原图的绝对像素坐标，直接取值即可：

# PyTorch版本示例
pred = model(img)
pred = non_max_suppression(pred, conf_thres=0.5, iou_thres=0.4)
for det in pred[0]:
    x1, y1, x2, y2, conf, cls = det
    x1, y1, x2, y2 = map(int, [x1, y1, x2, y2])
    # 上述四个值就是你需要的坐标

注意事项 #

• 部分实现返回的坐标是相对于模型输入尺寸（比如416*416）的，需要你按原图和输入图的缩放比例做映射校正
• 建议拿到坐标后直接在原图上绘制矩形框，和官方自带的可视化结果做对比，确认坐标取值正确

内容的提问来源于stack exchange，提问作者prathvi