深度学习 -- YOLO 算法流程详解

      YOLO同样是经典论文，后续很多论文以此为基础，例如YOLO9000、YOLOv3等， 如果有写的不对、有问题或者看不懂的地方，还望指正。如果有了新的理解，我会持续更新。

      文章2016年发表，当时的视觉检测模型有两个问题，一个是速度快但是准确率差，另一种是准确率高但是速度很慢（faster rcnn 当时只有 3 - 5 FPS）。这类，无论在学术界还是工程界，都有很大的改进空间。作者为此提出了YOLO。

      不说没用的，还是主要看目标检测的部分和YOLO本身的特点。

      首先看YOLO的工作流程：

      上图是原文中的，工作流程分成三个步骤：

1. 缩放图像
2. 将图像过全卷积神经网络
3. 利用极大值抑制（NMS）进行筛选

      然后来看算法的具体流程。

      一 、图像分割

      在YOLO中，一张输入图像首先被分成了 S × S 个均等大小的栅格，每一个格子都称作一个 grid cell。