YOLO的个人笔记（失眠患者的深夜学习）

该文章是我学习了YOLO系列详解而做出的总结。本文只是总结，具体推导，请看链接文章。

基本思想

以前的方式

以往的方式，我们都是对给定的图像，进行切割（挨着挨着切，有点类似于遍历切法），给出两个顶点的坐标，对切割后的图像然后逐一判断，来完成目标识别。（个人理解，如有错误，请多多包含）

这些方式的缺点在于：太过复杂，耗时长。

YOLOv1（you only look once)

通俗讲，就是通过观察一部分图像，来给出boundingbox，再然后进行判别。我的理解为:你透过一个洞，看到一个美女的腿的一部分，然后你就对其意淫，更具你以前的看美女经验，猜想出这个美女的大致特征。（管中窥豹？）

改进：

切的方式：由原来的遍历切法，改为了，先将图片分为 S * S个区域，然后根据这个区域的图像，来切B个区域。

给出的结果：由原来的两点坐标，改为了，（x,y,w,h)，其中:x,y为切的区域的中心点，w,h为切的区域的宽，高总占比。(这样有个好处:归一化了之后方便输出)

判别的方式：对每一个切割后的区域，进行计算，得出Pr（个人理解为你这个框含目标的可能性大小），以及每种类别的概率C，然后得到SSB个Pr,然后找出Pr最大，找出相应的区域，用softmax判别出那是什么类别。有多个目标的时候，重复就是了。

损失函数: 你这个结果好不好，取决于三点:1.你框选得好不好(coordErr) 2.你Pr准不准 3.你判断类别准不准

训练方式: 以上三点，都离不开你对图像特征的提取，所以我们先对其的特征提取功能进行训练，就先用ImageNet对YOLO网络的前20个卷积层+1个average池化层+1个全连接层进行训练。然后再和后面的模型用数据集进行训练。

学到的东西

首先是进行预测的时候，想办法把结果用0-1进行表示，这样有利于预测。

二是在处理图像问题的时候，可以先预训练。