當前最好系統相比，yolo目標區域定位誤差更大，但是背景**的假陽性優於當前最好的方法.
注1：bounding box是怎麼來的呢？其實是在檢測每個grid cell時，若檢測到目標，則會將其標出來(圖中的紅色框)。這就是bounding box。
注2：設定多個anchor boxes幹嘛呢？ 是這樣的，當有目標時，還要計算bounding box分別與各個anchor boxes的iou(交並比函式)，並選擇iou最大的那個anchor box。這樣的話，bounding box的位置引數就儲存在那個anchor box對應的(pc,bx,by,bh,bw,c1,c2,c3)中啦。
最後，由於grid cells是3*3的，所以最後輸出的y的shape為(3, 3, 2, 8)，這些數字的意義對應為(numbers of grid cells, numbers of grid cells, numbers of anchor boxes, numbers of classes + 5)。
相當於對對乙個中心點，取不同的視窗，從而用來檢測重疊在一起的多個目標量。
首先我們需要知道anchor的本質是什麼，本質是spp(spatial pyramid pooling)思想的逆向。而spp本身是做什麼的呢，就是將不同尺寸的輸入resize成為相同尺寸的輸出。所以spp的逆向就是，將相同尺寸的輸出，倒推得到不同尺寸的輸入。
接下來是anchor的視窗尺寸，這個不難理解，三個面積尺寸（1282，2562,512^2），然後在每個面積尺寸下，取三種不同的長寬比例（1:1,1:2,2:1）.這樣一來，我們得到了一共9種面積尺寸各異的anchor。示意圖如下：
我們將目標檢測統一到乙個神經網路。我們的網路使用整個影象中的特徵來**每個邊界框。 它也是同時**影象的所有類的所有邊界框。 這意味著我們的網路學習到的完整影象和圖中所有的物件.yolo設計可實現端到端訓練和實時的速度，同時保持較高的平均精度。
（1）yolo首先將影象分為s×s的格仔。圖中分為7x7個。如果乙個目標的中心落入格仔，該格仔就負責檢測該目標。每乙個網格中**b個bounding box 和置信值（confidence score）。這些置信度分數反映了該模型對盒子是否包含目標的信心，以及它**盒子的準確程度。然後，我們定義置信值為：
（2）每乙個bounding box包含5個值：x，y，w，h和confidence。（x，y）座標表示邊界框相對於網格單元邊界框的中心。寬度和高度是相對於整張影象**的。confidence表示**的box與實際邊界框之間的iou。每個網格單元還**c個條件類別概率：
（3）在測試時，我們乘以條件類概率和單個盒子的置信度**：
這兒的b應該就是anchor box。
模型：我們的系統將檢測建模為回歸問題。它將影象分成sxs的網路，並且每個網格單元**b個邊界框，這些邊界框的置信度以及c個類別概率，這些**被編碼為sxsx（b*5+c）的張量。
我們的網路架構受到googlenet影象分類模型的啟發。我們的網路有24個卷積層，後面是2個全連線層。我們使用1x1降維層，後面是3x3卷積層，這與lin等人類似，而不是googlenet使用的inception模組。我們在imagenet分類任務上以一半的解析度(224x224的輸入影象）預訓練卷積層，然後將解析度加倍來進行檢測。完整的網路如圖所示。
YOLOv1學習筆記
大部分內容 補充 核心思想 rcnn系列核心思想是proposal 建議區域 分類 yolo系列核心思想是直接在輸出層回歸bounding box位置和bounding box的所屬類別 大致流程 resize resize成448 448，分割成7 7網格的cell cnn提取特徵和 卷積負責提取...
目標檢測之YOLOv1
you only look once unified,real time object detection yolo 一體化的，實時的物體檢測 翻譯 詳解 1 2 1 yolov1框架 步驟 1 resize成448 448，分割得到7 7網格 cell 2 cnn提取特徵和 卷積層負責提取特徵。全...
目標檢測 YOLOv1總結
yolov1筆記 faster rcnn筆記 還存在什麼問題？yolov1檢測精度低於當時的先進網路演算法 yolov1容易產生物體定位錯誤 yolov1對小目標的檢測效果不好 每網格只能 兩個物體 概述 1.abstract 乙個單一的神經網路在一次檢測中直接從完整的影象 邊界框和類別概率 單一的...