yolo v1

CV入门学习整理集合

目标检测

yolo系列

yolo v1

论文地址： http://arxiv.org/abs/1506.02640
作者：Joseph Redmon

图片来源：精读AI论文系列https://www.bilibili.com/video/BV15w411Z7LG?p=3&spm_id_from=pageDriver目标检测有两派，单阶段（端到端）YOLO、SSD、Retina-Net 和多阶段RCNN、SPPNet、Fast RCNN、Faster RCNN
单阶段：直接输入图片，同时输出分类和框
两阶段：耗时长，精度高

预测阶段（此时模型已经训练好）：

1.图片分为7*7 grid cell
2.每个grid cell 预测两个bounding box (具体判断为bound ing box 中心是否在grid cell内）每个bounding box含5个参数中心坐标x,y 长 宽 置信度

mean average precion (mAp) 解释 link.

• 快 ：45 frames per second
• 分析全图的信息 ： 把背景误判成信息错误少（可以对不同类别间学到信息进行隐式编码—如学到人在自行车上的信息）
• 迁移能力强
• 有一定的识别误差 — 尤其是小物体

定位误差比较大

激活函数

optimize：平方和误差
没懂：
NMS（未懂）
L2正则化
学习率

五级标题

六级标题