（二）YOLO-V1整体思想及网络架构

（1）核心思想

将输入的图像分为S*S的格子，对于每个格子为中心给出两个先验框，对于置信度高的格子（即位于物体中心的格子）通过回归任务将两个先验框调整至合适的大小，然后选择IOU指标较大的框作为预测结果

（2）网络架构

• 网络输入：448×448×3的彩色图片
• 隐藏层：由若干卷积层和池化层组成，用于提取图片的抽象特征
• 全连接层：由两个全连接层组成，用来预测目标的位置和类别概率值
• 网络输出：得到7×7×30的预测结果

        注：关于 7×7×30的预测结果，是指将图像分为7*7的网格，同时30中，1~5代表第一个先验框的（x,y,w,h）以及置信度c，6~10代表第二个先验框，11~30代表对应20个类别的预测概率

         总的来说，将网格数量定义为S*S，定义B个先验框，预测C个类别，那么输出结果即为S×S×(5×B+C)的矩阵向量 

（3）损失计算

损失函数主要分为三部分：坐标预测损失、置信度预测损失、类别预测损失

• 在坐标预测损失中，对先验框的(x,y,w,h)和真实的进行方差计算，这里需要注意对于w,h计算是取平方根，是由于对于大物体和小物体而言，w,h的绝对偏差对于他们造成的影响不同，为了缓和统一采用平方根计算
• 在置信度预测损失中，分为存在物体和不存在物体两部分，训练时就会把不存在物体的置信度分数推到零
• 分类预测损失即为预测结果与真实结果的误差计算
• λ代表每个损失函数的权重系数，根据每个损失函数的重要程度决定

（4）补充

        NMS极大值抑制，作用就是将物体预测的多个框中，挑选出IOU指数较大的框作为检测结果

（5）优缺点

        1.不能预测重合的物体

        2.小物体检测效果差

        3.不能进行多标签分类

        4.检测快，效率高