YOLO目标检测

发展历程：

YOLOV1 (CVPR2016)->YOLOV2/YOLO9000 (CVPR2017)->YOLOV3 (2018)->YOLOV4 (2020)

->YOLOV5 (2020)->YOLOV6 (2021)->YOLOV7 (2022)

目标检测分为两类：一阶段和二阶段

一阶段也可叫做端到端，输入图片后直接输出检测框和种类（YOLO系列）；

二阶段先画出检测框，再进行分类（Fast-RCNN、Mask-RCNN、Faster-RCNN）。

对于VOC2012数据集，首先生成7x7个grid cell，每一个grid cell生成两个bounding box并赋予对应的置信度，

最后保留置信度最高的bounding box

共有20个类，每一个grid cell生成对应20个类的概率，选取最大概率并保留 

 

Bounding Boxes：

将输入图像分成n块，这里是9个grid cell，利用图像分类和定位算法，逐一应用到每个格子中，每个格子指定一个标签y

 y中各元素的含义：Pc：是否有物体；bx、by、bh、bw：如果有对象，输出格子的边界框；c1、c2、c3：对象的类别。

 因为上面三个格子啥玩意没有，Pc=0，其他的不管

 如果中间一个格子两边格子中车的部分区域，那么会对对象分配中心点，中心点落在哪里就属于哪个格子，而另一个格子中的区域将不会被识别

 对于右边和左边格子：

 最终的目标输出尺寸为3x3x8，每一个格子左上角为（0,0）右下角为（1,1），bx、by为中心点，bh、bw为高和宽，以上数值只能在[0,1]。

交并比

预测与标签的交集和并集之比

目标定位：

检测出对象位置，用检测框标出，判断对象在图片中的具体位置

非极大值抑制（NMS）

NMS可以保证对每个对象只检测一次，计算不同矩形框的交并比，并抑制概率小的矩形框，只能输出概率最大的预测结果。

Anchor box：

预先定义两个框

当图像中检测到有两个不同类别的对象重叠在一起时，只能选择一个输出，加入anchor box 后，会进行相应的匹配，同时输出两个。 

YOLO算法

 

3x3表示9个网格、2代表两个anchor box、8代表向量中的类

左上角那个就是他

1.找到每个格子中的两个预测的边界框，bounding box可以超过格子的高度和宽度

2.去掉概率低的bounding boxs

3.对每个类别单独的运行非最大值抑制