深度学习与目标检测系列(二) 本文约(7万字) | 全面解读复现YOLOv1 | PyTorch |

---

精读论文

前言

从这篇开始，我们将进入YOLO的学习。YOLO是目前比较流行的目标检测算法，速度快且结构简单，其他的目标检测算法如RCNN系列，以后有时间的话再介绍。

本文主要介绍的是YOLOV1，这是由以Joseph Redmon为首的大佬们于2015年提出的一种新的目标检测算法。它与之前的目标检测算法如R-CNN等不同之处在于，R-CNN等目标检测算法是两阶段算法， 步骤为先在图片上生成候选框，然后利用分类器对这些候选框进行逐一的判断；而YOLOv1是一阶段算法，是端到端的算法，它把目标检测问题看作回归问题，将图片输入单一的神经网络，然后就输出得到了图片的物体边界框，即boundingbox以及分类概率等信息。下面我们就开始学习吧。

---

下面是一些学习资料：

论文链接：[1506.02640] You Only Look Once: Unified, Real-Time Object Detection (arxiv.org)

项目地址 ：YOLO: Real-T