论文笔记：You Only Look Once: Unified, Real-Time Object Detection

论文笔记：You Only Look Once: Unified, Real-Time Object Detection

简述

这是YOLO算法的第一个版本。
作者先简单介绍了之前对目标识别的相关算法，比如利用滑动窗口的算法，还有R-CNN算法。 但是作者说，这两种方法都太慢，并且难以优化。
作者认为YOLO算法十分简单，将目标检测问题处理成回归问题，用一个卷积神经网络结构就可以从输入图像直接预测bounding box和类别概率。因此YOLO算法具有以下优点：1. 十分迅速 2.当进行预测时，考虑全局图像 ，不想窗口滑动算法和R-CNN算法 3. 学习的物体的一般特性。但是对于小目标的识别，此算法还是较为吃力。

算法流程与思想

以下是算法的流程图：

首先，将输入图片resize到448*448的大小，然后，使用模型来处理图片，最后通过置信度（confidence）来筛选检测结果。

作者指出，这种网络使用从整张图片（entire image）来获取的特征（features）来预测边界框（bounding box）。这就意味着我们的算法是考虑到图片的全局的，并确保了端到端的训练与较高的即时检测的准确度。

算法的步骤：

算法首先把输入图像划分成S*S的格子（在上图狗的图像中，分成了7*7的格子），每个格子（grid cell）都预测B个bounding boxes，每个bounding box都包含5个预测值：x,y,w,h和confidence。

其中：
（x