YOLO系列（一）：YOLOv1笔记一（原理部分）

YOLOv1基本设计原理

Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测,将其视为一个单一回归问题。

一.一张图片首先Resize到448x448的size；原论文中给出的理由是：检测通常需要细粒度的视觉信息，因此我们将网络的输入分辨率从 224 × 224 增加到 448 × 448。

二.将输入的图片变成切割成​ S*S的网格（单元格）；（在文章后边令S=7。）

三.每一个单元格要预测​B个边界框（bounding box）以及边界框的置信度（confidence score）；

置信度包含两方面内容：（原谅我直接从写好的Typora上截图）

四.边界框的大小与位置可以用4个值来表征。

五.对于每一个单元格其还要给出预测出 C个类别概率值，表示该单元格负责预测的边界框中的目标属于各个类别的概率。