YOLO笔记

CNN------convolutional neural network 卷积神经网络


R-CNN  基于区域的卷积神经网络


contextual --前后关系


outperform  做的更好


generalizable---可概括的，可归纳的


leaky rectified 有纰漏的矫正

1，YOLO的核心思想是利用整张图像作为网络输入，在输出层回归bounding box 的位置和bounding box 的类别

2，之前的检测方法是使用proposal+classify的思想

3，YOLO的优点：速度快（把单个的组件整合，重复检测比较少），泛化能力强（在现实生活中和在艺术品中都可以应用），结构简单（仅使用单个神经网络）

YOLO的缺点：相邻很近的物体还有很小的物体检测的效果不是很好

                        同一类物体中出现的不常见的长宽比和其他情况时，泛化能力会弱一些

4，每个bounding box要预测（x,y,w,h）还有confidence这5个值，每一个网格还要预测一个类别信息，则SxS个网格，每个网格要预测B个bounding box还要预测C个categories。输出就是S x S x (5*B+C)的一个tensor。 

5，

左边第一个是类别信息，第二三项是confidence。这个乘积即encode了预测的box属于某一类的概率，也有该box准确度的信息。

6，YOLO实现的具体细节

在各种损失函数中使用不同的权重。调节各方的平衡

7，将box中的w和h用平方根来代替

问题：

1，分类，如何实现的？

2，神经网络，如何应用的？

3，confidence的数值？

这个confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息，其值是这样计算的：