YOLO的基本原理详解

YOLO介绍

YOLO是一种新的目标检测方法。以前的目标检测方法通过重新利用分类器来执行检测。与先前的方案不同,将目标检测看作回归问题从空间上定位边界框(bounding box)并预测该框的类别概率。使用单个神经网络,在一次评估中直接从完整图像上预测边界框和类别概率。由于整个检测流程仅用一个网络,所以可以直接对检测性能进行端到端的优化。

在正式介绍YOLO之前,我们来看一张图:

YOLO的基本原理详解_第1张图片

可以看出YOLO的最大特点是速度快。YOLO在精度上仍然落后于目前最先进的检测系统。虽然它可以快速识别图像中的目标,但它在定位某些物体尤其是小的物体上精度不高。进入到真正端到端的目标检测:直接在网络中提取特征来预测物体分类和位置。

YOLO结构

整体结构就是三部分组成:GoogleNet+4个卷积+2个FC

YOLO的基本原理详解_第2张图片YOLO的基本原理详解_第3张图片

你可能感兴趣的:(深度学习,人工智能方面,人工智能,深度学习)