YOLO面试知识点笔记

记录一些YOLO的知识点，有可能会在面试中遇到，做个笔记。

1. YOLOV1的损失函数

2.YOLOV2的损失函数

参考：https://blog.csdn.net/ChuiGeDaQiQiu/article/details/81229245
yolov2有13X13X5=845个bbox
YOLOV2的误差主要包含三项：1.该cell所产生的5个bbox与真实的bbox的iou的最大值小于设定值，则认为该cell不包含物体，即背景；2.真实的物体bbox的中心落在该cell上（红色）即为公式的第三部分；3.有些cell(黄色）既非背景又不是真实物体的中心，误差的计算是第二部分。

3.YOLOV3的损失函数

参考：https://zhuanlan.zhihu.com/p/76802514

4.v2和v3的多尺度的区别

1.v2的多尺度是训练时输入图片的尺度不同，每隔10个batch便随机从 {320,352，384.，，608}选择一个新的尺度作为输入图像的尺寸
2.v3的多尺度是分辨率的不同，在3个不同尺度的feature map上进行detection。在输入为416的情况下这三个特征图的尺度为1313，2626，52*52，这应该是对小目标影响最大的地方。

5 yolo的思想，v2,v3的改进

参考这篇博客
YOLO置信度：因此置信度可以定义为Pr(object)*IOU。很多人可能将Yolo的置信度看成边界框是否含有目标的概率，但是其实它是两个因子的乘积，预测框的准确度也反映在里面。