資源搜尋
yolo v1，v2， v3的記錄
學習筆記：yolo系列-v1、v2與v3：you only look once
yolov1，看過好多篇，這篇感覺講的最通俗易懂
yolo官方主頁
本人總結
在開始進入具體演算法實現之前，我們還是先簡單隨便聊一聊。目標檢測應該說是計算機視覺領域中比較好玩而且實際的方向，我們給定一張輸入影象，目標檢測系統就可以識別出中各個目標的位置。它主要的乙個應用前景就是無人駕駛，因為在無人駕駛汽車上裝載此系統，無人車就像有了眼鏡，可以快速檢測出前面的行人與車輛等，來實時做出相應的決策。
上面聊了什麼是目標檢測以及最可能實際應用的場景，那下面我們簡單說乙個傳統目標檢測和深度學習方法。其中傳統目標檢測方法有viola-jone（人臉檢測）、hog+svm（行人檢測）、dpm（物體檢測）、sofe-nms（非極大抑制）等方法，它們主要的流程如下圖：
既然是兩種不同實現方法，就存在各自優缺點，第一類two-stage就是準確度很高、但是速度比較慢；第二類one-stage就是速度很快，但是精度偏低。下面我們一起來看一下one-stage的代表yolo的發展過程，但是在開始深入前，我們還是先解決乙個疑問：是什麼樣的演算法框架，造成了兩類演算法不同的效能？下面給出一張，深度學習目標檢測的曲線，對哪個感興趣，自己下去好好查查吧。
深度學習 目標檢測 YOLO9000模型詳解
yolo9000是在yolov2的基礎上提出的一種聯合訓練方法，可以檢測超過9000個類別的模型。yolov2混合目標檢測資料集和分類資料集，用目標檢測資料集及其類別標記資訊和位置標註資訊訓練模型學習 目標定位和分類，用分類資料集及其類別標記資訊進一步擴充模型所能識別的物體類別同時能增強模型魯棒性。...
目標檢測 YOLO演算法
r cnn系列目標檢測方法 r cnn,fast r cnn,faster r cnn 看做目標檢測，都是需要 看兩眼 的。即，第一眼做 region proposals 獲得所有候選目標框，第二眼對所有候選框做 box classifier候選框分類 才能完成目標檢測 事實上 第一眼 是挺費時間的...
目標檢測YOLO實現
注 本文參考 git clone cd darknet make 編譯沒有問題的話輸出資訊如下 mkdir p obj gcc i usr local cuda include wall wfatal errors ofast.gcc i usr local cuda include wall wf...