yolo系列外文翻译_YOLO文献总结《You Only Look Once》

YOLO：统一、实时的目标检测

这是Joseph Redmon等人于发表于CVPR 2016的一篇关于目标检测的文献，提出了目标检测领域经典的YOLO模型，一种端到端的实时目标检测方法。

1. 主要内容：将目标检测任务作为一个回归问题，而不像先前的方法那样改造分类器用来识别；

使用单个神经网络就可以从输入图像直接预测边界框和分类概率；

YOLO的速度非常快，在 TITAN X GPU上的实时处理速度达到了45fps；

YOLO的泛化能力强，效果比其他目标检测方法(DPM、R-CNN)更好；

2. 介绍：

现有的物体检测方法，都是将分类器改造，去评估一张图像的各种不同尺度的区域内，是否包含物体以及物体是种类。比如DPM对整张图片使用一个均匀移动的滑动窗口进行分类。最近的 R-CNN采用的是 region proposals 的方法，生成潜在(可能包含待检测物体)的边界框，再使用分类器去判断每个边界框里是否包含有物体，物体类别的概率和confidence。因为每个组件都需要分开训练，所以这种方法过于复杂，很难优化。

本文则将目标检测定义为单个的回归问题，直接从图像像素得到边界框的坐标和类别的概率。YOLO非常简洁(如上图所示)，只用一个卷积网络就可以同步地预测多个边界框的位置和类别概率。YOLO在整张图片上面训练，可以直接优化检测性能。这种统一架构有以下几个有点：

A. YOLO特别快。在 Titan X 上，不需要经过批处理，YOLO处理速度可达到45fps，Fast-YOLO可