目标检测算法之YOLO运行流程

参考博客

目标检测算法之YOLO

一、YOLO的概念

YOLO这个名字完整体现了算法的精髓：You Only Look Once

它与RCNN系列算法不同。RCNN系列算法（RCNN/Fast RCNN/Faster RCNN）是two-stage模式，即经过了两次检测，第一次是获取proposal box，第二次才是图像预测。YOLO是one-stage模式，使用统一的网络来完成物体识别和框定位。

YOLO虽然精度不如RCNN，但它的速度非常快，在工业界中得到广泛应用。

二、YOYO的运行流程

它的推理流程图如下：

经过网络之后输出为7*7*30的特征图，也就是有49个30维向量。这个特征图意味着什么呢？意味着可以认为将原图划分为7*7的网格，每一个网格对应一个30维的向量。这么说不太严谨，容易误导为：7*7的网格图中的每一个网格的图像信息严格对应7*7*30特征图的每一个向量。要理解这一点先要理解感受野：

如下图，经过卷积得到的3*3的矩阵的元素映射到原矩阵的感受野是2，而并非4/3，且感受野之间是互相重叠的

所以说，YOLO流程图里的一个30维向量包含的不仅仅是一个网格的信息，它包含了含有该网格的更大图像范围的信息，这个知识点有利于理解接下来要讲的为什么30维向量里能包含已经超出网格之外的Anchor信息。

三、30维向量信息解析

30维数据的前5维，是以该网格为中心的第1个Anchor的5个信息：框的x坐标，框的y坐标，框的宽，框的高，框中有物体的置信度

紧接着的5维，是以该网格为中心的第2个Anchor的5个同上的信息

之后的20维中的任何1维度，是该网格为中心的2个Anchor里的图像为某一个类别的打分，这样对每个网格（它的2个Anchor）得到20个打分

如何获取某个Anchor是某个类的概率呢？——将上述的打分乘以该Anchor有物体的置信度即可，那么每一个Anchor就相当于有一个20维的概率向量： 

由此，每个网格两个Anchor，也就是有2个20维概率向量，7*7个网格一共有98个20维向量：