YoloV1、YoloV2和YoloV3实现细节和区别

YoloV1：对比R-CNN

出处：

《You Only Look Once: Unified, Real-Time Object Detection》

背景：

RCNN存在region proposal 过程，Selective Search每张图花费1~2秒，不能做到real-time

Proposals太多会出现很多假阳例

思想：

提出一个简单的卷积神经网络同时预测边框和预测类别

使用整个图的特征来预测来减少误差

不需要预处理和后处理

结构：

24层卷积+2层FC，3*3卷积下采样，1*1卷积减少特征空间

Our system divides the input image into a 7* 7 grid. If the center of an object falls into a grid cell, that grid cell is responsible for detecting that object. Each grid cell predicts a bounding box and class probabilities associated with that bounding box

输入是448*448*3，输出是7*7*30, 7*7对应每个grid，而20代表20个类的概率和10