论文（一）YOLOv1详解

YOLOv1-详解

论文下载：http://arxiv.org/abs/1506.02640

代码下载：https://github.com/pjreddie/darknet

目录

前言

（一）算法原理

（二）主干网络

（三）网络训练

dropout:

（四）损失函数

（五）网络预测

（六）优缺点

（七）一些思考

---

---

前言

写这篇博客是为了以后再看到yolo时有个参考，同时供各位交流学习，水平有限，欢迎各位交流学习，批评指正。

在正文开始之前，先附上我在学习过程中的参考资料，感谢各位博主学者分享。

参考资料：

1. yolov1论文翻译1：https://blog.csdn.net/shuiyixin/article/details/82533849

2. yolov1论文翻译2：https://blog.csdn.net/m0_37192554/article/details/81092761

3. yolov1论文笔记1：https://zhuanlan.zhihu.com/p/24916786?utm_source=qq&utm_medium=social

4. yolov1论文笔记2：https://zhuanlan.zhihu.com/p/94986199

5. 什么是mAP：https://blog.csdn.net/shuiyixin/article/details/86349643

6. 分类与回归：https://blog.csdn.net/shuiyixin/article/details/88816416

7. tf_yolov3代码解析：https://blog.csdn.net/sxlsxl119/article/details/103028005

8. 入门级yolo教程：https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/

---

（一）算法原理

假设我们处理的图片是一张正方形图片，yolo将图片分割为SxS个grid（网格），每个网格大小相等，如下图所示：

每个网格预测B个bounding boxs,每个bbox包含5个量(x, y, w, h, confidence)，其中，x,y表示bbox的坐标，w和h为bbox的宽和高，confidence表示这个bbox含有目标的概率及坐标预测的准确率；另外，每个网格还需要预测该网格中物体的类别，这里物体类别用one-hot编码表示。因此，整个ground truth的长度为：SxSx(Bx5+C)。在yolov1中，将图片分为7x7的网格，每个网格预测2个bboxs，共98个bboxs。更直观详细的关于bbox的解释如图所示（https://zhuanlan.zhihu.com/p/24916786?utm_source=qq&utm_medium=social）：