对YOLO的认识

警告！这只是一个初心者的认识记录，文章不具有参考价值。

一种深度神经网络（detection network）

detection network

1，Faster RCNN/SPP-Net先找位置再做类别

2，YOLO=每个格子提出region proposal并做分类

优劣：

RCNN家族精度高，速度慢；

YOLO/SSD家族精度低，速度快。

2，YOLO原理(you only look once)

GoogleNet+ 4个卷积+ 2个全连接层

流程：

0，resize the pic 输入CCN网络

1，将图片分成7*7*30个网格，每7*7中的单元格圈出2个候选框

2，筛选候选物体，得到较好的候选框

3，输出物体框

1,7*7=49个单元格，每个单元格深度为30

2，每个单元格预测一个物体类别，并且预测物体的概率值

3，候选框值：xmax,ymax,xmin,ymin,confidence（置信度）

4，深度：

2个BBOX（xmax,ymax,xmin,ymin,confidence）——10个

20类的预测概率结果——20个

10+20=30

一个网格预测2个Bbox（Bounding box），但训练时只有confidence score 较大的Bbox会被使用，并且上述的20类的预测概率结果代表一个Bbox

2，学习路线