Introduction
YOLO将目标检测重新定义为一个单一的回归问题,直接从图像像素出发进行边界框位置判定和类别的分类。您只需一次(YOLO)的图像,以预测什么对象出现和它们在哪里。
YOLO只是单独的使用一个卷积网络,同时预测多个bounding boxes 和每个boxes类别可能性。
这里提一下和R-CNN等的不同
R-CNN方法,首先在图像中生成潜在的边界框,然后在这些潜在的框上运行分类器。分类后进行后处理,细化边界框,消除重复检测(类似于IOU什么的),并根据场景中的其他对象重新打分。这些复杂的方法速度很慢,很难优化,因为每个单独的组件必须单独训练。
算法思想
YOLO将输入图像划分为S × S网格。如果对象的中心落在网格单元格中,该网格单元格负责检测该对象。每个网格会预测 B 个bounding boxes,和这些网格的置信度。这些置信度分数反映了模型对boxes是否含有对象的分数,以及它认为boxes预测的准确性。
这里置信度打分公式为:
<