yolo算法每个格子预测的都是同一类吗

Question

论文里面的陈述是这样的：假设图像分为s×s个格子，每个格子有B个框，
数据集类别总数为c，那么最后的预测的向量长度为 S×S×(B×5+c）。

我的理解是类别label会转换为one-hot格式，那么label的长度就是C，
基于这个理解，每个格子预测的B个框都是同一类上式才成立。
否则，如果每个框预测的类别不一样，那么上式应该是S×S×(B×5×c）

但我不是很确定，所以问下我的理解是是否正确，也就是说yolo算法每个格子预测的都是同一类吗？

Answer 1

是的，每个格子只预测一类，这也是yolov3存在的固有缺陷，如果一个格子里存在多目标的话，只能识别一个