YOLOv1算法笔记

本文为个人学习过程中所记录笔记，便于梳理思路和后续查看用，如有错误，感谢批评指正！

参考

paper:YOLOv1
项目地址：项目地址

YOLOv1算法步骤：
1、将输入图片网格化成S X S，如果目标中心落入某个网格，则这个网格负责检测该目标。
2、每个网格预测B个bounding box和confidence，confidence反应的是是否有目标，如果没有则为0，有则为框与truth的iou值。

confidence = Pr(Object) * IOU

3、每个bounding box预测5个值：x, y, w, h, confidence。
4、每个网格预测C个类别分数，所以每个grid参数就是：B * 5 + num_classes，原文中S取7，B取2，VOC数据集有20类，所以最后预测的tensor的维度是7 x 7 x (5 x 2 + 20)。
5、在测试阶段，将类别条件概率和各个格子的置信度相乘作为最后概率。

2.1. Network Design

  卷积提取特征，最后全连接预测最后的概率和坐标向量。

  损失函数如下：第一行中心坐标损失，第二行框宽高损失，第三行包含object的confidence损失，第四行不包含object的confidence损失（负样本置信度为0，正样本置信度为1），第五行类别预测损失。

YOLOv1的不足：
  具有强烈的空间约束，一个grid预测两个box，仅仅只能有一类。对于。小物体，以及靠得特别近的物体检测效果不好（一个网格只能预测一个物体）

  最终结果，与faster rcnn相比，精度有一定下降，速度有大幅度提升。