PyTorch深度学习实战(22)——从零开始实现YOLO目标检测
0. 前言
YOLO
(You Only Look Once
) 是一种实时目标检测算法,它以其高效性和准确性而闻名。相比于传统的目标检测方法,YOLO
的主要特点是在单个前向传递中同时完成目标检测和分类,因此称为 You Only Look Once
。由于整个检测过程只需要一次前向传递,因此非常高效,可以实现实时目标检测。此外,YOLO
通过全局感受野捕捉了整个图像中的上下文信息,对小尺寸物体的检测效果较好。在本节中,将介绍 YOLO
的工作原理,然后在自定义数据集上训练 YOLO
目标检测模型。
1. YOLO 架构
YOLO
目标检测模型与 Faster R-CNN
模型相比,YOLO
无需使用区域提议算法 (Region Proposal Network
, RPN
),其在单个神经网络中预测边界框和类别概率,因此推理效率更高。
1.1 R-CNN 目标检测模型的局限性
首先,我们了解基于