目标检测（三）：YOLO及YOLT

本篇博客主要介绍YOLO系列以及其一个变体YOLT。

1 目标检测框架YOLO

关于YOLO的介绍有很多，这里只是简单对其进行了了解。YOLO的优势是检测速度很快,且能够保证相对较高的检测精度；同时对于背景的误检率低；其泛化能力强，可以推广于不同的应用场景。到目前为止，YOLO系列已经发展出YOLOv1、YOLOv2、YOLOv3三个版本，检测速度和精度均得到很大提升。

1.1 YOLOv1

YOLOv1是一个可以一次性预测多个物体边界框位置和类别的卷积神经网络，能够实现端到端的目标检测和识别。此方法将目标检测问题转化成一个回归问题，给定输入图像，直接通过整张图片的所有像素得到物体的边界框坐标、分类类别和置信度信息。如下图所示，使用YOLO来进行目标检测的流程是非常简单明了的，图片来自YOLO论文：

1. 将图像resize到448 * 448作为神经网络的输入。
2. 运行神经网络，得到一些物体的边界框坐标、分类类别和置信度。具体步骤为：将图像划分成7 * 7的网格，每个网格预测出2个边界框，总共得到98个预测边界框以及它们的置信度；同时每个网格预测出对应所有物体的分类概率。
3. 对得到的边界框进行非极大值抑制（NMS）筛选，得到最终预测结果。

1.2 YOLOv2

YOLOv2使用了一系列的方法对原来的YOLOv1多目标检测框