这篇博客详细介绍了YOLO（You Only Look Once）目标检测算法的三个版本：YOLOv1、YOLOv2和YOLOv3。内容涵盖YOLO的思想、损失函数、不足之处以及各版本的改进，如使用DarkNet网络、Batch Normalization、多尺度训练和anchor boxes等。
本文学习笔记整理自https://www.bilibili.com/video/BV1yi4y1g7ro?p=4
参考博客：https://blog.csdn.net/qq_37541097/article/details/81214953
YOLO V1、YOLO V2、YOLO V3论文链接
提取码：a70x
1、YOLO v1
YOLO V1的思想
将原始图片划分成s×s的网格（grid_cell），如果object的中心落在这个网格内，则这个网格就负责预测这个object。
每一个网格预测b个bounding_box，每个bounding box预测位置信息，还要预测confidence。confidence的表达式为：
每个grid cell预测c个类别分数。
对于生成的7×7×30的特征层 ，30=20+2（4+1）
20代表数据集中包含20个类，grid cell负责预测物体
最低0.47元/天 解锁文章
815
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
