w972275919的博客

原创 You Only Look Once: Unified, Real-Time Object Detection 论文解读

YOLO使用来自整个图像的特征来预测每个边界框，对整个图像和图像中的所有对象进行全图推理（ reasons globally），获取了更为全面的信息，避免了使用滑窗法（sliding window）等方法只获取片面信息所导致的错误识别，在保证了极高的速度的同时保持较高的平均精度。为了将边界框的尺寸与图像的尺寸相匹配，边界框的宽度和高度通过图像的宽度和高度进行了规范化处理，确保这些尺寸参数落在0到1的范围内。同时，边界框的x和y坐标是相对于预定网格的偏移量进行参数化的，这样它们的数值也限制在0到1之间。