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