YOLO算法

 使用两个anchor box， 所以输出是3*3*2*8。

首先将一张图片分成3*3的方框， 要构造训练集，需要遍历9个格子， y表示每一个格子的输出向量

此时，第一个格子没有行人，汽车，摩托车， 所以第一个格子的两个pc值都为0。

第八个格子: 输出值 y=[0??????? 1 bx by bh bw 0 1 0],   anchor box 2与真实物体框的IoU值比anchor box 1与真实物体框的IoU值更大，那么车子就和向量的下半部分相关

此处把图片划分成3*3的大小， 实际应用中一般把图片划分成19*19， anchor box一般使用5个， 这些方格和输出y就构成了训练集。  输入是每个方格的图片,  输入卷积网络,  最后输出的是3*3*16的向量和真实的标签y进行预测运算。  3*3表示把图片划分成3*3的格子，也就是有3*3个图片输入  *16表示每个图片都会有一个*16的预测输出值, 与真实的y运算，真实的y向量是人为标注的

 总结：

首先给定一张图片， 随机生成候选框n个，这些候选框可能超出划分的格子的高度和宽度，这不影响。

接下来，抛弃概率低的预测，

假设有三个检测类别，要做的就是对每一个类别物体单独运行非极大值抑制，处理结果是每个物体只保留一个候选框。

最后如果一个候选框中有多个物体，再使用anchor box来解决。