物体检测-回归方法（YOLO+SSD）

转载注明出处：http://write.blog.csdn.net/postedit

在上一篇文章中，介绍了以region+proposal来检测的框架，这一系列速度和精度不断提高，但是还是无法达到实时。存在的主要问题为：速度不够快，主要原因是proposal比较多，特征进行分类的时候,相同区域的特征计算多遍，所以BGR大神有了最新作品，YOLO,故名思议，就是解决Faster-RCNN中proposal重复look的问题。这一些列代表作有YOLO和SSD.首先介绍YOLO.

0.YOLO【这一部分转载：http://blog.csdn.net/tangwei2014】

•  简介：

1. 作者Joseph Redmon ∗ , Santosh Divvala ∗† , Ross Girshick ¶ , Ali Farhadi，文献[1]
   
2. 优点，速度快（45fps,小模型快速版本为155fps），缺点，很明显对位置预测不够精确，对小物体效果不够理想。
   
3. 做法，简单粗暴，网格划分为S*S个网格，对每个网格直接进行回归预测，最后NMS进行处理。

 
 
 

  
  
  
1. YOLO的核心思想
  
  
  

   
YOLO的核心思想就是利用整张图作为网络的输入，直接在输出层回归bounding box的位置和bounding box所