YOLO原理

1 YOLO

1. GoogleNet + 4个卷积+2个全连接层
2. 网络输出大小:7×7x 30

1.1 流程理解

单元格(grid cell)

1. 7*7=49个像素值，理解成49个单元格
2. 每个单元格负责预测一个物体类别，并且直接预测物体的概率值
3. 每个单元格:两个(默认)bbox位置，两个置信度(confidence)
   (1)一个bbox:xmin,ymin,xmax,ymax,confidence
   (2)两个bbox: 4+1+4+1=10个值
   (3)30: 10个，20个( 20代表20类的预测概率结果)

1.2 网格输出筛选

1. 一个网格会预测两个Bbox，在训练时我们只有一个Bbox专门负责预测概率（一个object一个Bbox)
2. 20个类别概率代表这个网格当中的一个bbox。
3. 一个confidence score
   (1)如果grid cell里面没有object,confidence就是0
   (2)如果有，则confidence score等于预测的box和groundtruth的IOU乘积。两个bbox的4个值都与GT进行loU计算,得到两个loU值
4. YOLO框，概率值都直接由网络输出7×7x30(认为给30个值赋了具体的定义)

1.3 训练

1. 预测框对应的目标值标记
   (1)confidence:格子内是否有目标
   (2)20类概率:标记每个单元格的目标类别
2. 三部分损失 bbox损失+confidence损失+classfication损失
   

YOLO优点：速度快
缺点
(1)准确率会打折扣
(2)YOLO对相互靠的很近的物体（挨在一起且中点都落在同一个格子上的情况，还有很小的群体检测效果不好，这是因为一个网格中只预测了两个框