YOLO系列--理论部分

Yolov1论文理论部分：https://blog.csdn.net/u011974639/article/details/78208773

Yolov2论文理论部分：https://blog.csdn.net/u011974639/article/details/78208896
https://blog.csdn.net/litt1e/article/details/88852745

K-means聚类：（使得anchor box无限靠近bbox）
https://blog.csdn.net/xiaomifanhxx/article/details/81215051?ops_request_misc=&request_id=&biz_id=102&utm_term=yolov2%20kmeans&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduweb~default-1-81215051

Yolov3论文理论部分：https://blog.csdn.net/litt1e/article/details/88907542

FPN解析：（提高小目标检测精度）https://blog.csdn.net/u011974639/article/details/78244743

Tips：
①这里注意bounding box 与anchor box的区别：
Bounding box它输出的是框的位置（中心坐标与宽高）， confidence以及N个类别。anchor box只是一个尺度即只有宽高。
②softmax用来处理分类问题，logistic回归问题用来处理是和不是的问题。yolov3将logistic替换原先的softmax，就是为了排除例如检测出男人也属于人这一类，遍历所有类别（是或不是），选取大于阈值的即可。
https://blog.csdn.net/weixin_43384257/article/details/100974776?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522158977991219195265912634%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.57693%2522%257D&request_id=158977991219195265912634&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_v2~rank_v25-1-100974776.nonecase&utm_term=yolo%E7%BD%AE%E4%BF%A1%E5%BA%A6confidence