[YOLO专题-2]：总体-YOLO目标检测的网络总体架构与核心概念

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

 本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122118894

---

目录

前言说明：

第1章 目标检测

1.1 什么是目标/物体（Object）

1.2 目标检测（Object detect）

1.3 一步(one stage)与两步(Two stage)

1.4 分类（Classfic）与回归（Regression）

第2章 输入与网格、方框

2.1 网格Grid或Cell（这是YOLO的算法的基础）

2.2 方框（坐标）

2.3 真实的方框、位置（Ground truth）

2.4 边界框（Bounding Box）

2.5 先验框（prior bounding box）与锚点（anchor）

2.6 最终框（Final detectioin）

2.7 交并比IoU（Intersection-over-Union）

第3章 网络与训练

3.1 网络的基本架构

3.2 感受野与目标的大小的关系

3.3 预测物体与真实物体之间位置误差Loss或距离Distance？

第4章 结构化输出

4.1 置信度(Confidence)

4.2 回归问题的结构化输出(Structure）与非结构化输出

4.3 非极大值抑制

---

---

前言说明：

本文汇集了所有YOLO版本（V1~V5）中最核心的概念与思想，值得深入学习。

第1章 目标检测

1.1 什么是目标/物体（Object）

对于一张图片，目标是指除了背景之外的所有物体对象。