yolo系列

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。

把输入图像换份为S*S个格子，对每个格子预测B个box以及置信分数，再通过NMS得到最终的框。简单粗暴的全部采用了 sum-squared error loss 。

效果：速度快，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。