【论文阅读】You Only Look Once: Unified, Real-Time Object Detection

论文简介：

YOLO是作者针对R-CNN系列等的Two-stage的目标检测算法的时间性能较低，训练、预测Pipeline分散复杂等的缺点，提出的一种更接近端到端的目标检测算法。其具有更加统一、清晰的结构，具有较高的时间性能，可以达到实时检测，但具有比Faster R-CNN较低的准确性（MAP）。

一、YOLO V1 简介

在R-CNN系列等的Two-stage的目标检测算法中，基本都遵循需要进行Region proposal的生成，再进行proposal的特征提取，proposal的分类，Bounding boxes位置回归等复杂的分步计算思路。而YOLO将目标检测问题当做一个回归问题进行求解，使用一个训练好的CNN网络，对输入图像进行一次前向传播计算，同时预测出图像中各个物体的位置及类别概率等信息，达到了一种更接近端到端的目标检测算法。

二、YOLO V1 inference

在给定一幅含有待检测目标的图像时，在YOLO实际进行推理、进行目标检测时,首先将图像resize到模型输入尺寸（448x448，因YOLO使用最后的全连接层进行预测、回归，全连接层尺寸数值确定，所以，前推后的输入尺寸确定）,然后输入一个训练好的传统CNN网络（由若干卷积、池化、全连接层组成），在网络的最后一个全连接层，按照一定的规则将1维全连接层reshape到一个7x7x30的tensor，网络输出的这个7x7x30的tensor包含有网络预测到的测试图像中含