YOLO算法笔记

                                          YOLO算法笔记

        YOLO算法使用联合检测，将整幅图片首先拉伸成448*448，后将图片分为7*7的区域，对于每一个区域，预测B个bounding box，每一个bounding box包含五个信息：x，y，w，h和confidence，其中confident是bounding box是存在某个目标情况下的条件概率，后预测C个类别的可能性P(C)，是该区域存在某个目标的概率，这样子最终的预测结果应该包含7*7*（B*5+C）个信息。

针对损失函数的一些问题：

1. 针对于损失函数收敛速度不同问题，作者通过设定学习速度的超参数，抑制不存在目标情况下的收敛速度。
2. 针对于小目标检测效果不好的问题，作者在损失函数中训练的不是w和h，而是根号下w和h，从而提高对小目标的识别率。
3. 另外每个区域仅仅选择一个合理目标，那就是拥有最高IOU的bounding box，只有这个bounding box才参与损失函数的收敛。

针对训练的一些问题：

1. 作者一共训练了135个周期，前75个周期学习速率为0.01，中间30个周期是0.001，最后30个周期是0.0001。
2. 为了防止过拟合，作者使用了dropout方法，