YOLO个人理解笔记1

YOLOV1：
网络结构可以看作一个黑箱子

输入图片大小为4484483，3是图片三通道，RGB三个通道，
输出图片为7730，7*7指的是图片大小，30可以写成((1+4）*2+20）,1指的是置信度，4指的是bounding box 的四个位置参数x,y,h,w(坐标和宽高），2指的是每一个grid cell会生成两个bounding box，20指的是yolov1所用的数据集总共有20个预测的类别。

解释：
grid cell 指的是每一个输入的图片，会被划分为7*7的网格，每一个网格就叫grid cell
bounding box指的是框，每一个grid cell在yolov1中会产生两个bounding box

在yolov1中预测后处理bounding box的方法采用的NMS非极大值抑制法：
经过“黑箱子”后，图片是7730的一个tensor，每一个grid cell负责预测一个物体，所以yolov1最多预测77个物体，也是v1的缺点，
取出一个1130的张量，用20中的每一个类别的概率去分别与每个bounding box 的置信度参数相乘，最后会得到（27*7，20）的一个张量。
非极大值抑制，不是极大值就会被抑制
单独看一个类别，会得到一个98个概率。然后第一个概率和后面依次进行比较，非极大值抑制需要一个参数M，只有iou大于参数M，也就就是实际框和预测框的交并比大于参数M（也就意味着两个框预测的是同一个物体的概率比较，调节参数M，M设置的大，准确率高），两个概率里面小的概率会被置为0，然后依次与后面进行比较。20类一共进行20次NMS操作。

yolov1缺点：
只能检测出49个物体，导致了小目标和密集目标检测效果差
map低
定位能力差
全部物体检出能力差