（五）比赛中的CV算法（下2）YOLO算法和one-stage检测器

原创

已于 2022-02-11 23:49:58 修改 · 1.5k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #深度学习 #人工智能 #机器学习 #计算机视觉

于 2021-10-31 13:33:47 首次发布

YOLO（You Only Look Once）是一种端到端的深度学习目标检测模型，它摒弃了两阶段检测器中的区域提案网络（RPN），直接通过卷积层预测边界框坐标和类别概率。网络结构简洁，仅包含卷积层和池化层，减少了计算复杂度，实现了快速检测。每个格点负责预测多个预定义框的坐标和置信度，以及对应类别的概率。尽管YOLO在小物体检测和定位精度上存在不足，但其高效和实时性为后续one-stage模型的发展奠定了基础。

此时此刻恰如彼时彼刻，一位大佬在阅读了Faster R-CNN 中PRN设计的思想后直接拍桌怒起：既然RPN能直接根据深度特征提取出可能存在物体的ROI，生成提议区域，那我干脆就用网络直接回归出bbox的坐标不就得了，一步到位岂不是美滋滋？（两阶段的方法相当于先通过RPN大致定位bbox，再在后续的bbox回归中获取更精准的定位框，one-stage的方法直接在特征图上进行bbox的回归）这就是YOLO的设计思想。YOLO是you only look once的缩写，“只看一眼”也昭示着这是一个一阶段的端到端网络，不需要中间的区域提议阶段！