YOLO - v1

先理解预测阶段：

1）一个448*448*3的图像经过YOLO这个黑箱输出一个7*7*30矩阵；

2）7*7*30的矩阵中的30维是5+5+20;5是预测的bbox的x,y,w,c;20是20个类别的条件概率；

解释c：

 解释条件概率：它的意义是当bounding box认为当前box中有对象时，要检测的所有类别中每种类别的概率.

3）对于每一个1*1*30中第一个c乘20维的条件概率，得到20个类别的全概率；每一个1*1*30的向量能得到2个20类别的全概率；49个grid cell 就能得到98个20维的向量；

 4）后处理阶段：像上面一样98个长条排成20*98的矩阵；先把第一行（这一行就代表某一个类别在98个bbox预测的概率）的拿出来；先对小于一个阈值的概率置为0，然后进行NMS极大值抑制；

解释NMS过程；先对这一个长条排序；把最大的一个拿出来和其余的比较（这两个概率一定是属于不同的bbox）他们所属bbox的IOU，如果IOU大于一定的阈值，就认为这两个bbox预测了一个物体，就把概率小的那个置为0；依次比较；

训练阶段：

1）每一个gird cell随机生成两个bbox，如果有真实标记的框落在这个grid cell中，这个gird cell的两个bbox与真实标记的框的IOU大，就用那个框去预测，另一个就被‘打入冷宫’。如果没有真实的gird cell 落在这个grid cell里，这个gird cell预测的两个bbox都会被‘打入冷宫’。

2）拟合损失函数，把目标检测转化为回归问题，让预测的值和标注值越接近越好。

 解释损失函数：1.第二项使用根号的原因：对不同大小的bounding box预测中，相比于大bounding box预测偏一点可以接受，小bbox预测偏一点更不能忍受，因此小的bbox的损矢应该更敏感。因此对于y=根号x函数，x比较小的时候导数比较敏感，x比较大的时候不敏感。