yolo_v1算法详解及注意事项

                                                                          Yolo算法详解及注意事项

1 yolo算法---常用概念

   概念1 grid cell的size (个数)

      对输入图像（假设是448*448）不断提取特征然后sample得到的（缩小了32倍）得到的尺寸size：7*7，然后将输入图像划分成7*7个grid cell，这样输入图像中的32个像素点就对应一个grid cell。

   概念2 object中心坐标输入哪个grid cell ？    位置 == 中心坐标 == 中心位置

      由于每个object都有标注信息(相当于知道 了每个训练样本中每个object的中心坐标在输入图像的哪个位置/坐标)，等价于知道了每个object的中心点坐标属于哪个grid cell；meanwhile，只要object的中心点坐标落在哪个grid cell中，这个object就由哪个grid cell负责预测，也就是该grid cell包含这个object

    概念3 bounding box 和 grid cell的关系？  每个包含object的grid cell 会输出有一个 bounding box 及 类别信息

       虽然一个grid cell会预测两个bounding box ，实际输出只有一个bounding来预测属于该grid cell的object ，因为两个bounding box到底由哪个来预测，如果grid cell 中包含目标，那么这两个bounding box 都会用来预测，但 最后通过NMS,会选择该object的ground truth中IOU值较大的bounding box；

reference：https://blog.csdn.net/u014380165/article/details/72616238

    概念4 confidence的计算公司如下：

         

     每个bounding box都对应一个confidence score，如果grid cell里面没有object，confidence就是0，如果有，则confidence score等于预测的box和ground truth的IOU值，  所以如何判断一个grid cell中是否包含object呢？答案是：如果一个object的ground truth的中心点坐标在一个grid cell中，那么这个grid cell就是包含这个object，也就是说这个object的预测就由该grid cell负责。 

    概念5 每个grid cell 预测B个 bounding box，每个bounding box 会输出5个预测值：x,y,w,h和confidence，x,y就是bounding box的中心坐标，与grid cell对齐（即相对于当前grid cell的偏移值），使得范围变成0到1；w和h进行归一化（分别除以图像的w和h，这样最后的w和h就在0到1范围）；每个bounding box 对应一个confidence score

      每个grid cell都预测C个类别概率，表示一个grid cell在包含object的条件下属于某个类别的概率，注意grid ce