yolov算法详解_YOLO原理及代码整理以及学习笔记 (v1-v3)

总体来说我的学习顺序是YOLOV1 文章及代码 –> YOLOv1-v3演进原理 –> YOLOV3文章及代码

YOLO-V1文章及代码

原理：

这个对应代码里的第一个

这个对应代码里的第三个比较简单的实现inference

代码：

这个star比较多，正在跟进改结构

这个网络结构写法是和第一个一样的，有一些注释，可以参考

这个是一个简单实现版本，可以玩玩，看看原理，但是scope name有点问题，感觉比较难嵌入到已有模型中。

YOLOv1-v3演进原理

主要参考：

yolo-v1

yolov1中有一点，每一个框预测的是(x,y,width,height)，那么有一点，对不同大小的box预测中，相比于大box预测偏一点，小box预测偏一点肯定更不能被忍受的。而sum-square error loss中对同样的偏移loss是一样。为了缓和这个问题，作者用了一个比较取巧的办法，就是将box的width和height取平方根代替原本的height和width，小box的横轴值较小，发生偏移时，反应到y轴上相比大box要大。例如16开根之后是4, 0.25开根之后反而变成了更大的0.5。

yolov1损失函数：

另外有一点，模型使用imagenet的前20层加了几层卷积层作为它的网络架构，一般来说要先经过分类训练然后再做目标检测训练。

yolov1缺点：

这里个有问题，预训