目标检测算法YOLO1论文解读

论文题目：You Only Look Once: Unified, Real-Time Object Detection

论文地址：https://arxiv.org/pdf/1506.02640.pdf

代码地址：https://github.com/hizhangp/yolo_tensorflow

 

与RCNN系列不同，YOLO将物体检测看作一个单一的回归问题，直接从图像生成bounding box坐标和分类概率。只需要检测一次这张图像，就可以预测图像中存在的物体，并且得到它们所在的具体位置。RPN预测的是预测框和anchor的偏移量，而YOLO预测的是预测边界框中心点相对于对应cell左上角位置的相对偏移值。

 

一、论文解读

1、Model

YOLO将目标检测视为一个回归问题，它将图像划分为S*S个网格，如果物体的中心落入一个网格中，那么这个网格就负责检测这个物体，以及这些bounding boxes的位置、置信度、类别概率。置信度可以反应这个模型对boxes中是否含有物体和预测精确度的自信程度。定义置信度为：，如果这个网格中没有物体，就定义置信度为0，否则，置信度等于预测框和真实框的交并比。每个bounding box包含5个预测值：x、y、w、h、confidence，其中x、y代表相对与这个网格边界的预测框的中心，w、h为框的宽、高，confidence代表预测box和真实box的交并比IoU。预测结果可以用SxSx（B*5+C）个参数表示。在PASCAL VOC上运行YOLO，S=7，每个格子预测B=2个物体，PASCAL VOC有20个类别