YOLO系列-yolov1-小白理解

论文地址：yolo1

目标检测算法按步骤可以分为：two-stage和one-stage，后者就是把目标定位和目标分类同时干了，把物体检测变成了物体分类。

所需要的基础知识：

Boundng Box：用于预测物体的位置，是个多维向量，（bx,by,bh,bw，C1，C2，...），bx和by是指物体中心点的位置，C是指物体的类别。

Anchor Box：由于一个格子中可以检测出来多个对象，因此自定义多个形状的盒子，去确定物体。比如：车一般是横着，人竖着，所以用两个框。同样有（bx,by,bh,bw，C1，C2，...）。

交并比IOU：检测box与真实box的相交面积比上两者的并集面积。

极大值抑制：同一个框里可能有多个检测框，并都声称自己检测到物体中心在自己框里，因此通过极大值抑制的方法来去除重复的框。首先选一个score最大的框，然后再计算它和其他框的交并比，如果IOU大于某个值，则去掉。

Ground Truth:真实数据。

文章大致内容：

网络结构：借鉴了 GoogLeNet ，24个卷积层后面跟了2个全链接层。（用1×1 reduction layers 紧跟 3×3 convolutional layers 取代Goolenet的 inception modules ）。

原理：将每张图片分成S*S的网格图片，每个网格中去预测盒子，每个盒子5维度。其中用到了置信度，简单理解就是这个盒子里面是不是有目标，量化了而已，其公式：coincidence=Pr(object)*IOU，Pr的取值为0或者1。最终的预测输出维度是S*S*(5*B+C)，S是网格列数，B是盒子数，C是类别数。Loss函数是使用的方差。