YOLO学习：YOLO v1论文理解

概括：

YOLO在设计中摒弃了采用先进行目标检测再进行目标识别的方法，而是利用回归通过神经网络进行一次的估计输出目标所在的bounding box（框）以及class（类别）。

统一检测：

（）将输入图片进行划分，得到S*S个栅格

（）每个栅格单元可以预测B个bounding box以及各个bounding box置信度P:

其中IOU为系统预测出的框与原来标出的框的重合程度：

（）同时，每个栅格也用于计算C个关于类别的条件概率：

（）输出结构为5个参数(x，y，width，height，P）：

（x，y）：栅格中心

（width，height）:相对于整幅图片的宽度以及高度

（p）：置信度

网络设计：

（）采用了卷积神经网络，首个卷积层获取图片特征，全连接层预测输出结果

（）共有24个卷积层和2个全连接层

训练：

（）使用ImageNet数据对卷积层进行预训练

（）图片大小448*448

（）height以及width进行了归一化处理，取值范围在0-1

（）x，y根据位于特定的边界框中偏移量进行参数化处理，取值范围在0-1

（）采用了线性激活函数：

if x>0：

else:    

（）优化方法：最小误差和平方；同时由于图片的绝大部分不包含物体，因而需要区别有目标与无目标部分的参数