《You Only Look Once: Unified, Real-Time Object Detection》YOLOV1论文解读

0. 摘要

fasterrcnn两阶段（回归+分类）1.是不是物体，2.是哪个物体

• 打框位置好不好，预测框和gt重合度越高，打的框越好

• 假正例：人脸打到鞋上。假正例越少越好。框准不准，没有假正例尴尬

• 全连接会将整个图片所有信息进行整合汇总。faster是将proposal 的框进行全连接。yolo是将整个图片进行全连接

• DPM：图像金字塔-->滑动窗口-->分类器，

• yolov1,16年5月出的，faster已经出了，准确率上比不过faster,时间速度上比得过

1. Introduction

1、图片大小为448*448

2、卷积网络

3、非极大值抑制

• 每秒超过24帧，即可实现实时性

• 拿到整个图片信息，即可得到上下文信息，会影响框的位置。faster先提候选框，就看不到上下文信息。

• 框的定位不是很准，尤其是对于小的物体。分类是没问题的。

优点：

1. 假正例少

2. 快，45帧每秒

3. 泛化能力强

缺点：

1. 框的定位不准

2. Unified Detection

• 每一个bounding box,使用整张图的特征

• 如果一个物体的重心落在了cell单元里，这个cell单元负责预