YOLO算法扫盲

YOLOv1

关于yolo v1本质上是anchor free的思考

参考;攻克目标检测难点秘籍六，释放Anchor的Anchor-Free算法-CSDN博客

    回顾一下物体检测算法，在发展的初始阶段是没有Anchor这个概念的，例如Fast RCNN使用随机搜索（Selective Search）的方法提取感兴趣区域，虽然共享了卷积，但耗时严重，正是Faster RCNN引入了Anchor作为先验框，才将实时的物体检测变为可能，达到了检测的第一个高峰，其中Anchor可以说是居功至伟。

    当前主流的基于Anchor的检测算法中，对于二阶的算法，第一阶段RPN会对Anchor进行有效的筛选，生成更有效、精准的Proposal，送入第二个阶段，最终得到预测的边框。相比之下，一阶的算法相当于把固定的Anchor当做了Proposal，通过高效的特征与正、负样本的控制，直接预测出了物体。（Faster R-CNN:引入了区域提议网络(Region Proposal Network, RPN),）

    随着检测性能的提升，Anchor的弊端也渐渐地暴露了出来ÿ