YOLO(You Only Look Once) 是可谓是第一个相对成功One-Stage物体检测,在2016年被提出,本着速度的优势一跃成为与RCNN系列并驾齐驱的物体检测框架。
YOLO V1指标:
YOLO V1 mAP和FPS对比:
YOLO V1的速度和准确率在2016年时还是很“稳”的,所以很多重速度的系统,会优先考虑YOLO。我们也可以发现,YOLO V1不仅速度快,准确率也没比Faster RCNN低太多。
Faster RCNN与YOLO V1简单对比:
这张截取自YOLO的论文,我们简单解释这张图,其中Correct指的是完完全全正确的;Loc指的是类别对了,但是IOU<0.5;Sim指的是类别相似,且IOU>0.1; Other指的是错了,且IOU>0.1; Background指的是背景类;
对比图中显示:在检测出的框中,Fast RCNN有更多的背景,所以YOLO V1的另一大优势是Fase Positive低(当然YOLO V1的Loc错的多,也暴露了它定位不准的缺陷);
YOLO V1的泛化能力:
文中特意强调了YOLO V1的泛化能力很强,在美术画中,也可以正常工作:
总结如下,YOLO V1的三个优点:
1. 速度快(体现在很高的FPS);
2.误检少(体现在,检出的物体实际是背景的比较少);
3.泛化能力强(体现在可以检测美术画);