神经网络与深度学习课程总结（4）

1.YOLO网络结构

1.1 YOLO网络结构

概略图：

 官方模型结构图：

 1.2 YOLO包围框

处理细节-- 归一化：

 处理细节--置信度：

1.3 训练值与预测值

 处理细节--训练值

 处理细节--训练数据与网络输出

1.4 YOLO损失函数

 1.5 训练与NMS

1.4.1 非极大值抑制 (NMS)

        NMS核心思想：选择得分最高的作为输出，与该输出重叠的去掉，不断重复这一过程直到
所有备选处理完。

        NMS算法要点：

        1. 首先丢弃概率小于预定IOU阈值（例如0.5）的所有边界框；对于剩余的边界框：

        2. 选择具有最高概率的边界框并将其作为输出预测；

        3. 计算 “作为输出预测的边界框”，与其他边界框的相关联IoU值；舍去IoU大于阈值的边界框；其实就是舍弃与“作为输出预测的边界框”很相近的框框。

        4. 重复步骤2，直到所有边界框都被视为输出预测或被舍弃

1.4.2 数据集训练
预训练与训练：

        ①YOLO先使用ImageNet数据集对前20层卷积网络进行预训练，然后使用完整的网络，在PASCAL VOC数据集上进行对象