TensorFlow的学习之路--YOLO_V1学习心得
关于YOLO的TensorFlow算法，网上有很多资料，这个大神写的就非常好！
https://zhuanlan.zhihu.com/p/24916786?refer=xiaoleimlnote
下面梳理下学习过程以及过程中遇到的问题：
首先运行train.py程序后，运行网络框架，网络部分较好理解，输入是[batch_size,448,448,3]，输出是[7*7*30]维向量，具体为什么7*7*30=7*7*20+7*7*2+7*7*2*4得来的，比较难理解的是求loss，在这里困住了蛮久：
loss的求解分成3部分，在输出的向量中，前面7*7*20是物体分类，这个好理解，7*7*2是判断是否有物体的confidence值，这个有点难理解，后面根据自己的理解是，因为每个格子有两个bbox，每个bbox都有它的confidence值，这这个向量的作用是判断最后在输出时，是输出哪个bbox，最后的7*7*2*4是每个bbox的坐标，x_center,y_center,w,h，这个相对来说也好理解。
因为得到的标签是7*7*25，具体顺序是7*7*1+7*7*4+7*7*20，
注意的是，在标签上，7*7*1是表示，在7*7格子中，有物体的格子为1，没有物体的格子为0
因为输出时是用到两个bbox，所以在坐标标签时，需要拓展一次，用tf.tile函数就行，另外注意的是，XML文件的坐标是左上以及右下，在制作标签时需要进行中心原点归一化以及相应的更改成坐标为x_center,y_center,w,h
在求loss时，里面有一个很重要的向量为offset，开始弄了很久没弄明白干什么用，后面弄明白，因为开始原点坐标已经归一化了，加上offset是为了把坐标归一化成整个网络，比如：假如坐标归一化成（0.5,0.6），不好表示在哪一个格子中， 如果在这基础上分别加上0→6，再除以7，就能很直观的表达中心点所在的格子坐标，如果这个中心坐标在【4,5】格子内，则最后输出的中心坐标为【4.5,5.6】，后面的对宽和高进行平方，具体原因有相关论文解释
第二个求的是计算iou，主要思想是分别求每个bbox中，预测的矩阵与实际标签的矩阵之间的关系，iou值等于预测矩阵与标签矩阵相交的面积/预测矩阵面积+标签矩阵面积，取这个值较大的bbox为输出的对象，这是计算有物体的所在的格子
class_loss=标签的7*7*1*(标签的7*7*20-预测的7*7*20),最终得到的是7*7*20的三维矩阵，然后求所有值的平方和并取平均。因为有两个bbox，所以再乘以2
object_loss=较大iou的bbox*标签的7*7*1*（预测的7*7*2-iou值），同样的求平方和的平均数，并乘以1
noobject_loss=没有物体的的检测损失，算法跟有物体的类似
coord_loss=在object上增加一个维度7*7*2*1*（预测的坐标7*7*2*4-标签坐标7*7*2*4），求平方和平均数，并乘以5
这几个loss所乘的偏置不一样，是因为重要性决定的
然后把这几个损失值相加成最终损失值，案列中用到的函数是tf.losses.add_loss以及tf.loss.get_total_loss
随后是提取图片数据以及标签数据，这里没什么难度，比较简单，最终返回的是7*7*25的标签
最后是正式训练
整个过程，有点难理解的是loss的计算。
在测试过程中，有点难理解的也是判断物体并且显示，但类似于loss的求解