步驟：
1.輸入**（608,608,3）
2.經過cnn處理，輸出（19,19,5,85）
3.展開以上矩陣後為（19,,19,425）
每個19*19的網格裡有425個數字
425=5*85，每個網格裡有5個achor box，achor box中有85個數字
85=5+80，（pc,bx,by,bw,bh,c）,c有80個種類，pc代表這個box裡面是否detect到object
4.通過以下方法保留少數box
score-thredholding:丟棄識別出物體的box中score低於threshold的boxes
non-max-suppression:計算iou，丟棄overlap的box
5.輸出yolo的最終結果
注：重新開始初始化w開始計算yolo模型，計算量非常大。因此可以直接引用訓練好的模型。
YOLO系列總結
2018 december 04 yolo系列總結 相比 rcnn系列，yolo 系列的主要缺點 主要原因是每個網格 固定數量的物體使候選框數量減少 yolo v1 yolo v2 darknet19 yolo v3 darknet53 yolo v1 無 yolo v2 維度拼接，一次，第 16 ...
yolo專案總結
學習率調整，我一般遵循先大後小，多次實驗 初始訓練收斂慢，但在收斂，學習率增大 初始訓練，map跳動，降低學習率 訓練一段時間後，不再收斂，先減小學習率繼續訓練，看效果，一般會很慢收斂的，不行再小幅度增大學習率 防止陷入區域性最優 bs 一般為32 16 64 多試 學習率的初始為0.0015 上下...
Yolo系演算法
一 yolo系演算法 目前深度學習相關的目標檢測方法大致可以分為兩派 1 基於區域提名的 regin proposal 的，比如r cnn spp net fast r cnn faster r cnn r fcn。2 基於端到端 end to end 的，無需候選區域，如yolo ssd。二者發展...