YOLO tensorflow 实现

代码：YOLOV1

细节与问题：
1. 标数据时如果一个gird中有obj则把B个坐标信息都赋为这个obj的坐标信息
2. 训练时出现NAN，一般这种情况有2种可能：第一，出现除0或者log 0运算，第二，梯度爆炸，经过排查发现是梯度爆炸问题，需要加上梯度裁剪操作。
3. 如果一个grib内有obj则confidence也就是IOU为1，没有则IOU为0
4. 每一个grid预测的概率都是条件概率p($c_i$ | obj)
5. 其他细节可参考论文YOLO

YOLO的缺陷：由于只预测98个bbox，并且没一个grid只预测一类所以对于小目标和密集目标的预测不好，
并且损失函数中w和h的损失对于大目标和小目标是一致的，但是大目标更能容忍w和h的误差而小目标更不能容忍w和h的误差，两者应该区别对待,作者论文中对于w和h的损失计算是开方之后的平方和，从梯度下降的方向看相当于放大了w和h的梯度因为${\sqrt w}$的梯度是$\frac{1}{2\sqrt w}$而w和h是小于1的，从损失函数来说模型更关注w和h因为对于小目标来说更不能容忍w和h的误差