初学者之路———————yolo补充

yolo的基础策略是“分而治之”，这种策略在对于单图像大中目标识别具有很大优势，但是对于小目标检测就存在问题，增加分类的规模势必带来计算成本的提升而且不容易进行合理的划分。

yolo的误差函数包括分类预测损失、坐标预测损失和置信度预测损失。置信度指的是对于边界框内物体的正负样本判断，大于置信度阈值成为正样本，反之就是负样本即属于背景。由于yolo是单阶段网络，所以误差函数可以对整个系统进行调整，从而加快了程序的运行时间，使得实时性增强。

yolo还有nms机制，用于调整后的边界框进行重复判定，抑制同一个目标出现多个边界框的概率，从而减小运算成本。

yolo综述今天看完了，可能描述会有错误，欢迎大家指出问题。