关于yolo的学习笔记-----原理和核心技术的总结
1.yolo v1与fasterRCNN的区别
link.
参考文章https://blog.csdn.net/guleileo/article/details/80581858
faster-RCNN 中也直接用整张图作为输入,但是 faster-RCNN 整体还是采用了 proposal+classifier 两个分支计算的思想,YOLO 的核心思想就是利用整张图作为网络的输入,直接在输出层回归 bounding box(边界框) 的位置及其所属的类别。
2.yolo v1的回归与计算方法
link.
https://www.jianshu.com/p/13ec2aa50c12
目前,基于深度学习算法的一系列目标检测算法大致可以分为两大流派:
1.两步走(two-stage)算法:先产生候选区域然后再进行CNN分类(RCNN系列),
2.一步走(one-stage)算法:直接对输入图像应用算法并输出类别和相应的定位(YOLO系列)
输入一幅图,分成S*S个网格,每个格子负责检测‘落入’该格子的物体。若某个物体的中心位置的坐标落入到某个格子,那么这个格子就负责检测出这个物体。处于object中心点的网格负责预测这个物体