如何在3个不同的桶中安排4个难以区分的球的所有可能组合中获得第N个排列.if Bl= number of balls和Bk= number of buckets例如对于Bl = 4,Bk = 3,可能的安排是:
004,013,022,031,040,103,112,121,130,202,211,220,301,310,400.
第一种布置(N = 0)是004(即铲斗1 = 0球,铲斗2 = 0球,铲斗3 = 4球),最后一个(N = 14)是400.所以说我有103 N等于5 …
我已经看过一些YOLO教程，但是我发现很难确定如果要分割图像的每个单元的锚框是预先确定的。在我经历的其中一个指南中，该图像被划分为13x13个单元格，并表示每个单元格预测5个锚框（比它大，好吧，这是我的第一个问题，因为它还说它将首先检测到小物体中存在的物体盒预测之前的单元格）。
小单元格如何预测比其大的对象的锚框。也有人说，每个单元格在预测其锚框之前都会进行分类，如果只有一小部分对象落入该单元格内，小单元格如何在不查询相邻单元格的情况下对其中的正确对象进行分类
E.g.例如，说这13个牢房中的一个仅包含一个穿着T恤衫的男人的白色口袋部分，该牢房如何正确分类一个男人的存在而没有与其相邻的牢房相连？使用普通的CNN尝试定位单个对象时，我知道边界框预测与整个图像有关，因此至少我可以说，网络在决定框应位于的位置之前先了解图像上各处的情况。
PS：我目前对YOLO的工作方式的看法是，基本上每个单元都在每个末端分配了一个带有分类器的预定锚框，然后再选择每个类的得分最高的框，但是我确定它不会在某个地方累加。
更新：在这个问题上犯了一个错误，应该是关于如何确定常规边界框而不是锚定/优先框。因此，我将
@craq的答案标记为正确，因为这是根据YOLO v2文件确定锚框的方式