YOLO算法的发展历程
赞
踩
一 目标检测问题
目标检测问题是模式识别问题的一种，它主要解决从图像中获取需要的物体类型以及位置的问题，输入一幅图像或者一帧视频，要输出图像中要求物体的类别和位置，其中的位置通常用一个框标记出来。在研究目标检测问题时，通常只考虑感兴趣的物体，比如人脸检测检测人脸，交通检测检测车辆等，而例如建筑物，天空之类的则不在考虑范围之列。
二 设计思想
目标检测有两种实现，一种是one-stage,另一种是two-stage，它们的区别如名称所体现的，two-stage有一个region proposal过程，可以理解为网络会先生成目标候选区域，然后把所有的区域放进分类器分类，而one-stage会先把图片分割成一个个的image patch，然后每个image patch都有M个anchor box，把所有的anchor送进分类器输出分类和检测位置。很明显可以看出，后一种方法的速度会比较快。
YOLO算法是一种典型的one-stage方法，它是You Only Look Once 的缩写，意思是神经网络只需要看一次图片，就能输出结果。
YOLO到目前为止总共发布了五个版本，其中YOLOv1奠定了整个YOLO系列的基础，后面的YOLO算法是对其的不断改进创新。
三 发展历程
1 YOLOv1
YOLOv1发布于2015年，是one-stage detection的开山之作，在此之前的目标检测都是采用two-stage的方法，虽然准确率较高，但是运行速度慢。
1 主要思想
YOLOv1的检测方法如下：
- 将输入图像划分成S*S的网格，如果物体中心落入某个网格内，就由该网格单元负责检测该目标。
- 每个网格预测B个边界框和它们的置信度，置信度是预测框和真实物体IOU和网格是否包含物体01值之积
- 每个边界框都包含5个预测值，x,y,w,h,confidence，分别代表中心坐标，宽高和IOU值，这里的坐标是相对于网格左上角的偏移量，宽高是相对于整幅图像的占比
对于单个网格而言，还要预测C个条件概率Pr(Classi|Object)，即在一个网格包含一个物体t的前提下，他是某种物体的概率，这个概率属于网格而非预测框。
将YOLO用于PASCAL VOC数据集时，论文使用的 S=7，即将一张图像分为7×7=49个网格每一个栅格预测B=2个bounding boxe（每个box有 x,y,w,h,confidence，5个预测值），同时C=20,也就是说分20个类别。因此，最后的预测结果是7×7×30 的张量。
