YOLO原理与操作

目标检测

1.应用检测
2.好多领域
是CV总要

目标检测

多检测，单检测（多检测优化）

图像识别

深度主要算法

滑窗算法

深度学习算法，不同的卷积，把目标检测，滑窗位置为物体位置；
缺点：存在大量冗余，效率低


可以非常高效进行，滑窗之能看见自己的部分，无法更大部分。

区域检测算法

健侧出蓝颜色为物体，黄颜色是最大外接矩形，""“这是传统的图形学来建立”"

RPN采用CNN的方式检测物体区域

YOLO

yoloV1，V2，V3

Bounding Box

轴对齐的框，带方向的框，可以带角度。

标记方法

（左上，右下），中心

绝对坐标

对位置信息，缩放不管用

尺度归一化

将其归一为0,1之间，标记绝对位置

IOU

交并比
针对尺度无关，用坐标做损失函数,会产生位置信息。

基本原理

把目标检测当做回归问题

1，缩放处理
2，运行卷积神经网络
3，N-Max算法算法

将图片转化为格子，然后对每一个格子预测物体，误测每一个物体的热图，对每一个框框进行后处理。
训练过程中：物体中心落在那个位置，就由那个格子预测，通过训练计算中心点，通过中心点。
在预测的时候每个格子都会预测。
不要把格子换成滑窗

（Pc）有没有物体，（C）有几类物体。

yoloV1

在后面是全连接，后面版本变成全卷积的方式

FCN

基本方法：

在yoloV3变成对尺度图片

目标检测，位置，类别准不准

平方误差，的损失函数，不是很合适

yoloV4

结合多种知识（CV）

NOn—MAximum后处理