目标检测--YOLO_v1算法学习总结

论文名称：You only look once unified real-time object detection 

论文链接

1.YOLO v1 算法简介

作者在YOLO算法中把物体检测（object detection）问题处理成回归问题，用一个卷积神经网络结构就可以从输入图像直接预测bounding box和类别概率。

 

2.YOLO算法的优缺点

优

1、YOLO的速度非常快。在Titan X GPU上的速度是45 fps（frames per second），加速版的YOLO差不多是150fps。

2、YOLO是基于图像的全局信息进行预测的。这一点和基于sliding window以及region proposal等检测算法不一样。与Fast R-CNN相比，YOLO在误检测（将背景检测为物体）方面的错误率能降低一半多。

3、YOLO可以学到物体的generalizable representations。可以理解为泛化能力强。

4、准确率高，有实验证明。

缺

1、位置精确性差，对于小目标物体以及物体比较密集的也检测不好，比如一群小鸟。 

2、YOLO虽然可以降低将背景检测为物体的概率，但同时导致召回率较低。

 

3.YOLO v1 算法内容

算法结构图如Fig1：结构上主要的特点就是 统一检测（unified detection），不再是原来许多步骤组成的物体检测，这使