参考资料:https://blog.csdn.net/guleileo/article/details/80581858
一、yolov1
核心思想:输入整张图,直接在输出层回归bounding box的位置和类别概率。
摘要
此篇文章提出一种新的物体检测方法yolo,对于先前检测工作的分类器重新利用。把目标检测看作一个回归问题得到bounding box的空间位置和相关分类的概率。单个网络在一次评估中从完整图像中预测出bounding box框和类概率。因为整个检测框架是一个单网络,可以在检测性能上直接被端到端优化。结构非常快,基础yolo实时达到45帧/s。较小版本达到155帧/s,同时是其他实时检测器mAP的2倍。
问题:一种新的物体检测方法
方法:用回归思想解决物体检测,输入完整图像,直接在输出回归物体的bounding box框和类概率。