YOLO的核心原理预览
- YOLO将输入的图片resize成448 x 448，并且为 S x S（S = 7）个grid，如果物体的中心落入该grid中，那么该grid就需要负责检测该物体。
- 一次性输出所检测到的目标信息，包括类别和位置。
-
对于每一个网格（grid），都会预测出B个bounding boxes（B=2），这个bounding boxes有5个量，分别是物体的中心位置（x，y）和它的高（h）和宽（w），以及这次预测的置信度（confidence score）。
-
要注意：每个grid产生两个bounding boxs,如下左图中狗的中心点对应两个黄色框，以及自行车后轮外面的图像中心点对应的两个红色框，其中狗的中心点对应的两个bounding boxs（黄色），相对于自行车后轮外面的图像中心点对应的两个bounding boxs（红色）尺寸是不一样的，也说明bounding boxs的尺寸是根据目标自适应的：
-
每个框还要负责预测这个框中的物体是什么类别的,共预测C个类。
-
综上，S×S 个网格，每个网格要预测 B个bounding box ，还要预测 C 个类。网络输出就是一个 S × S × (5×B+C)。（S x S个网格，每个网格都有B个预测框，每个框又有5个参数，再加上每个网格都有C个预测类）
YOLO-V1的网络架构：
输入图像大小： 448×448×3
过程中的参数含义：
损失函数：
①涉及的预测的位置参数值与对应的损失函数描述：
x, y, w, h ：
对应的损失函数要尽量减小预测值与真实值之间的差距。
函数公式中 x, y 是使用 平方差值 来描述，而对于 w, h 使用了根号，是为了检测小物体时候，减小偏移量小的时候对于小物体的的敏感度。
损失函数中的系数，是相应的权重。
②关于置信度的损失函数（与类别有关）：
平方置信度与真实值之间的差异（分为不同的情况讨论：前景（要检测的物体）、背景（无目标处））
③分类相关的损失函数：交叉熵损失函数
非极大值抑制：
只取出保留 IOU 数值最大的框。
YOLO-V1小结
YOLO-V1 整体网络架构简单，检测速度快。
网络中，每个 cell 只预测一个类别，若物体的位置重合时，检测困难。
每个点只有两个候选框，小物体考虑的少，检测效果一般，多标签检测效果不好。
