YOLO系列算法原理讲解----（1）Yolov1算法_yoyo v1的检查头把图像分成sxs个网格,对每个网格输出a个矩阵框,一共有b个类别,输

YOLO介绍：
采用直接回归的方法获取检测的目标及类别。
核心：

• 同时预测多个Box位置和类别
• 端到端的目标检测和识别
• 速度更快
  • 实现回归功能的CNN并不需要复杂的设计过程
  • 直接选用整训练模型，更好的区分目标和背景区域

YOLOv1算法原理介绍

• 图像被分成S * S个格子
• 包含GT物体中心的格子负责检测相应的物体
• 每个格子预测B个检测框及其置信度，以及C个类别概率
• bbox信息（x，y，w，h）为物体的中心位置相对格子位置的偏移及宽度和高度，均被归一化
• 置信度反映是否包含物体以及包含物体情况下位置的准确性，定义为：
  

YOLOV1网络结构图：
网络结构借鉴了 GoogLeNet 。24个卷积层，2个全链接层。（用1×1 reduction layers 紧跟 3×3 convolutional layers 取代Goolenet的 inception modules ）