YOLOv1学习整理

一、 背景介绍

• 三种强大的物体识别算法——SIFT/SURF、haar特征、广义hough变换的特性对比分析
  https://blog.csdn.net/cy513/article/details/4285579
• 图像处理之Haar特征
  https://blog.csdn.net/u012507022/article/details/54138299
• 哈尔小波变换的原理及其实现(Haar)
  https://blog.csdn.net/victory06057231/article/details/6708330
• DPM（Deformable Part Model）原理详解
  https://blog.csdn.net/qq_14845119/article/details/52625426
• DPM（Deformable Parts Models）-----目标检测算法理解
  https://blog.csdn.net/qq_22625309/article/details/72493223
• HOG特征（Histogram of Gradient）学习总结
  https://www.cnblogs.com/wyuzl/p/6792216.html
  • 直方图（histogram）中的bins应如何理解
    https://blog.csdn.net/u011776903/article/details/74637080
  • 多尺度与多分辨率的理解
    https://blog.csdn.net/u013360881/article/details/43452057
  • 什么是图像金字塔
  • https://www.jianshu.com/p/cefbdc2dc5b9*
  • 图像金字塔总结
    https://blog.csdn.net/xiamentingtao/article/details/78596240
• 尺度不变特征变换匹配算法详解（暂未阅读）
  https://blog.csdn.net/chezhai/article/details/66044054?utm_source=copy
• 提高目标检测精度的常用方法(含部分代码)
  https://zhuanlan.zhihu.com/p/42946589
• NMS——非极大值抑制
  https://blog.csdn.net/shuzfan/article/details/52711706
• 非极大值抑制（Non-Maximum Suppression，NMS）
  https://www.cnblogs.com/makefile/p/nms.html
  代码实现：
  https://blog.csdn.net/williamyi96/article/details/77996167
  https://www.cnblogs.com/makefile/p/nms.html
• 目标检测中region proposal的作用？
  https://www.zhihu.com/question/265345106

二、YOLO

• 目标检测|YOLO原理与实现
  https://zhuanlan.zhihu.com/p/32525231
• YOLO
  https://blog.csdn.net/guoyunfei20/article/details/78744753
• [目标检测]YOLO原理
  https://www.cnblogs.com/fariver/p/7446921.html
• YOLO配置文件理解
  https://blog.csdn.net/hrsstudy/article/details/65447947
• Yolo-实时目标检测算法训练自己的数据集教程
  https://www.jianshu.com/p/c1a009385f59
• yolo的训练和测试
  https://blog.csdn.net/qq_30401249/article/details/51564871