目标检测-yolov1的详细理解（代码和原理）

目标检测算法，主要分为两类：

1. 一类是以R-CNN为代表的两阶段检测算法，将目标检测任务分为边界框回归和物体分类两个模块
2. 二是yolo系列算法，是将目标检测任务看作是回归任务。

原理 

yolov1将图像划分为S*S的网格，如果检测物体落到网格中心，那么就由这个网络来预测该物体。

每个网格预测B个边界框和那些边界框的置信度。置信度反映了该边界框是否包含目标且包含目标的准确度。置信度的定义：

左边表示概率，右边表示IOU。如果该网格中不存在检测物体，那么置信度为0.如果存在检测物体，那么置信度为预测框和真实框的IOU。

每个边界框有五个数字组成，分别为：x,y,w,h,置信度。（x,y）是边界框中心坐标相较于网格的坐标。h,w,是预测框相较于整个图像的高和宽。也就是说这里的x,y,w,h都是真实值，而是相对值，分别相较于网格和整个图像。最后置信度表示预测框和真实框的IOU.

每个网络还负责预测C个类条件概率。定义为：