YOLO v1

1. YOLO简述

        YOLO 来源于Facebook，整个训练和检测过程都是end-to-end的，能够达到实时的目标检测，YOLO v1能够达到每秒45帧的速度，Fast YOLO能够达到每秒155帧的速度，但是YOLO v1存在目标定位不准的问题。

2. 操作步骤

  整个检测过程共分为三个步骤进行：首先，将图像缩放至448×448；然后，通过单个卷积神经网络直接从图像中进行目标检测（bounding box）和分类（classification）；最后，通过NMS抑制输出最终结果。

 

  具体的实现步骤：首先将Image划分为S×S（S = 7）的格子（grid cell），如果某个目标的中心落入某个格子中，则该格子就负责检测该目标（如下图）。每个grid cell预测B个bounding boxes和C个分类，最终的输出为S×S×( B×5 + C )。每个bounding box是个5维的数据，分别是（x，y，w，h，confidence），其中x表示bounding box的中心横坐标，y表示bounding box的中心纵坐标，w表示bounding box的宽度，h表示bounding box的长度，confidence表示目标的置信值。置信值 = 该格子包含目标的类别概率P × IOU（bounding box的置信度 = truth / pred）。每个格子预测包含某一类目标的概率值，此时类别数C = 20，那么每个格子都要对20个类别的概率进行预测。置信值衡量了某类别i出现在某box中的概率，以及该box与目标i的吻合程度。