YOLO-V1理解

YOLO-V1

论文："You Only Look Once:Unified, Real-Time Object Detection"
论文地址：https://arxiv.org/abs/1506.02640

1. YOLO的核心思想

利用整张图作为网络的输入，直接在输出层回归 bounding box 的位置和 bounding box 的类别。

2. YOLO-V1算法原理

YOLO-V1输入图像默认尺寸为 。利用卷积神经网络进行特征提取，输出图像的尺寸固定为，然后经过卷积层和全连接层，输出特征图大小为，这里30是和检测的类别数量有关系。

实际操作：YOLO-V1将输入图像划分为的区域，见上图左侧所示，每一个区域对应于最后特征图上的一个点，该点的通道数为30（和检测类别数量有关）。YOLO-V1在每一个区域内预测两个 bounding box，见上图左侧的预测框A和预测框B。这样整张图一共预测个框。如果一个物体的中心点落在了某个区域内，则该区域就负责检测该物体。上图的真实物体框在蓝色区域块内，该区域就负责检测该物体。具体为将该区域预测的两个 bounding box 和真实物体框进行匹配，IoU更大的 bounding box 负