YOLOv1-3论文要点整理

YOLO(You Only Look Once)是一个能够同时兼顾实时性和精度的目标检测算法，与其他“检测分两阶段”的目标检测算法，例如R-CNN、Fast RCNN、Faster RCNN不同的是，YOLO将整个识别过程看做一个回归过程，用一个统一的网络对图片进行预测，同时输出目标类别和位置。

YOLO有三个版本，当然随着版本的增加，性能也逐渐提升。以v3为例，YOLOv3比Faster RCNN速度快（速度快即在同等计算环境下，计算量少）的核心原因在于大量使用1x1卷积减少参数量，且去掉了全连接层（Faster RCNN的全连接层计算量将近占到了整体计算量的一半左右）。YOLOv3在如此快速的情况下，仍能保持高精度的原因是由于网络层数的加深，从而得到了更加抽象、复杂的特征。粗略计算了下，在输入图像大小为416x416x3情况下，YOLOv3的计算量约为40亿次，Faster RCNN的计算量约为80亿次。

一、YOLOv1

1、算法原理

未完待续。。。