YOLOv1-详解
目录
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):