YOLO-v1

先将图像分成很多小格子，然后每个小格子会做成两个预选框

然后只要iou大的那个预选框，后面微调这个被选中的框。在预选框中有参数x,y,w,h,c分别是坐标，长宽和置信度，通过置信度来分辨这个预选框中是物体还是背景
可以看到在全连接层后面得到了7x7x30的特征图，7x7是特征图的宽高，刚刚说到一个预选框会产生5个参数，一个格子有两个预选框，加起来是10，剩下的20是要做的分类数目（狗，自行车...），所以参数的计算就是，S：宽或高，B：预选框个数，C：分类数量。

损失函数

关于位置的loss，所有格子，每个格子的预选框，用来选出iou最大的预选框，当然是希望这个值越小越好，这里加了根号的原因是使它对小的物体更敏感。

置信度的loss，置信度C跟iou比较，如果iou是1，则C也是1，这就是最理想的情况，在不含物体的置信度loss中加了一个lanmbda参数，是因为一张图中背景肯定居多，所以加一个参数来平衡这种关系。

分类loss就是用的分类问题中的交叉熵

NMS（非极大值抑制）

    NMS其核心思想是：选择得分最高的作为输出，与该输出重叠的去掉，不断重复这一过程直到所有备选处理完。

YOLO存在的优点是：

1.速度快，处理速度可以达到45fps，其快速版本（网络较小）甚至可以达到155fps。这得益于其识别和定位合二为一的网络设计，而且这种统一的设计也使得训练和预测可以端到端的进行，非常简便。

2. 泛化能力强 ，可以广泛适用于其他测试集。

3.背景预测错误率低，因为是整张图片放到网络里面进行预测。

YOLO存在的缺点是：

    精度低，小目标和邻近目标检测效果差，小对象检测效果不太好（尤其是一些聚集在一起的小对象），对边框的预测准确度不是很高，总体预测精度略低于Fast RCNN。主要是因为网格设置比较稀疏，而且每个网格只预测两个边框，另外Pooling层会丢失一些细节信息，对定位存在影响。