YOLO论文思路简析

最新推荐文章于 2023-04-30 01:34:59 发布

fine_0007

最新推荐文章于 2023-04-30 01:34:59 发布

阅读量594

点赞数

文章标签： YOLO

本文链接：https://blog.csdn.net/fine_0007/article/details/83033517

版权

YOLO（You Only Look Once）是2016年提出的一种快速目标检测算法，它将检测视为回归问题，实现了端到端的检测。YOLO速度快，适用于实时场景，但在小目标检测上表现不佳。网络结构简洁，通过全卷积层和全连接层预测bbox和概率。损失函数结合定位和分类误差，采用不同权重调整训练稳定性。YOLO网络的学习率随训练迭代动态调整。

摘要由CSDN通过智能技术生成

YOLO（You Only Look Once: Unified, Real-Time Object Detection）是一种2016年提出的用于视觉检测的算法，与之前的算不同，YOLO改变了检测的过程将检测转化为了一个回归问题，输出目标的bbox和p（概率）。相较于之前的算法，YOLO的执行速度很快，base YOLO可以达到45fps而fast YOLO可以达到155fps，基本可以满足实时的检测和输出，延时也将小于25ms。从结果上看，YOLO的局部检测效果较差，但也很少出现FP现象，同时YOLO对于大型目标的检测相对效果好且不易误判为背景。（对于检测结果存在四种可能：TP，FP，FN，TN）
YOLO的设计思想来源于人眼的单次观看识别，将图像整体作为YOLO的输入，经过resize，run cnn，NMS三个步骤即可得到输出。
图片摘自原文
网络特点：1.由于网络的结构十分简单，因此网络的识别速度很快,相较于同期的实时算法YOLO达到了两倍以上的准确率。
2.由于检测以整个图像作为输入，内部数据联系紧密，降低了背景的错误识别。
3.网络的适应性较好，在测试集与训练集不完全一致时仍能有较好效果。