图像算法面试之YOLO系列

**

图像算法面试之YOLO系列

起因：最近面试频繁被面试官问到YOLO系列相关知识，加深自己印象，写一写
面试题：描述一下yolo2的思想，yolo3有什么不同

YOLOV1

yolo的思想：将整张图片作为输入，直接在输出层回归bounding box的位置及其所属类别

和RCNN、faster-RCNN的不同：这两者也是将整张图片作为输入，但是faster-RCNN采用RCNN的proposal+classifier思想。将提取proposal的步骤放在CNN中，而yolo则采用直接回归的思想

实现方法：
1、将image分成S*S个grid cell，如果某个object的中心落在grid cell中，则由这个grid cell负责预测该object

2、每个grid cell负责预测B个bounding box，每个bounding box除了要回归自身的位置和大小外，还需要预测一个confidence

3、这个confidence代表了所预测的box中含有object的置信度和这个box预测的有多准

每个bounding box 要预测(x,y,w,h)和confidence。每个grid cell要预测一个类别信息，记为C类。则SS个grid cell，每个grid要预测B个bounding box和C个类别，输出就是：SS*（5*B+C)的tensor

4、在test时，每个grid cell