论文笔记：You Only Look Once: Unified, Real-Time Object Detection

最新推荐文章于 2025-06-02 21:34:20 发布
最新推荐文章于 2025-06-02 21:34:20 发布
阅读量1.1k 收藏 7
点赞数 3
CC 4.0 BY-SA版权
分类专栏： 目标检测与识别 文章标签： cv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/alip39/article/details/82389738
这篇博客详细解析了YOLO（You Only Look Once）目标检测算法，包括其将检测问题转化为回归问题，利用全卷积网络实现端到端训练的优势。文章介绍了YOLO的算法流程、GoogLeNet网络的应用以及损失函数的设计，强调了YOLO在速度与全局信息处理上的优势，但同时也指出其在小目标检测上的不足。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

论文笔记：You Only Look Once: Unified, Real-Time Object Detection

简述

这是YOLO算法的第一个版本。
作者先简单介绍了之前对目标识别的相关算法，比如利用滑动窗口的算法，还有R-CNN算法。 但是作者说，这两种方法都太慢，并且难以优化。
作者认为YOLO算法十分简单，将目标检测问题处理成回归问题，用一个卷积神经网络结构就可以从输入图像直接预测bounding box和类别概率。因此YOLO算法具有以下优点：1. 十分迅速 2.当进行预测时，考虑全局图像 ，不想窗口滑动算法和R-CNN算法 3. 学习的物体的一般特性。但是对于小目标的识别，此算法还是较为吃力。

算法流程与思想

以下是算法的流程图：

这里写图片描述

首先，将输入图片resize到448*448的大小，然后，使用模型来处理图片，最后通过置信度（confidence）来筛选检测结果。

作者指出，这种网络使用从整张图片（entire image）来获取的特征（features）来预测边界框（bounding box）。这就意味着我们的算法是考虑到图片的全局的，并确保了端到端的训练与较高的即时检测的准确度。

算法的步骤：

最低0.47元/天 解锁文章

200万优质内容无限畅学
You Only Look Once: Unified, Real-Time Object Detection
Surge
07-09 9431
You Only Look Once: Unified, Real-Time Object Detection 背景介绍    在深度神经网络之前，早期的 Object detection 方法是通过提取图像的一些 robust 的特征如（ Haar，SIFT，HOG ）等特征，使用 DPM 模型，用 silding window 的方式来预测具有较高 score 的 boundin
(YOLO)You Only Look Once: Unified, Real-Time Object Detection
chenaxin的博客
06-05 306
论文地址：https://arxiv.org/abs/1506.02640
You Only Look Once Unified, Real-Time Object Detection.pdf
03-14
You Only Look Once Unified, Real-Time Object Detection.pdf
Python----目标检测（《You Only Look Once: Unified, Real-Time Object Detection》、约瑟夫-雷德蒙介绍、YOLOV1的原理与网络结构）
最新发布
weixin_64110589的博客
06-02 798
《You Only Look Once: Unified, Real-Time Object Detection》是由Joseph Redmon等人于2015年提出的一种端到端的实时目标检测框架YOLO。该论文的核心贡献在于将目标检测从传统的多阶段流程转化为单阶段回归问题，通过单一卷积神经网络同时完成特征提取、边界框预测和非极大值抑制，实现了端到端优化。YOLO的基础模型处理速度达45FPS，FastYOLO达155FPS，远超同期实时检测系统。YOLO的创新点包括回归问题重构、统一架构和实时性，其技术细节
YOLOv1(You Only Look Once: Unified, Real-Time Object Detection)论文笔记
xuefengxiaoyang的博客
05-07 1125
论文链接：You Only Look Once: Unified, Real-Time Object Detection 网页地址：YOLO 摘要： 我们提出了YOLO，一个新的方法用于目标检测。之前的目标检测工作都是使用分类器来做检测。相反，我们将目标检测中空间分离的边界框和相关的类概率问题使用回归来处理。在每次测试时，一个神经网络直接从全图预测出目标的边界框和所属的类别。因为整个检测流程...
yolov1论文：You Only Look Once: Unified, Real-Time Object Detection
01-25
YOLO（You Only Look Once）作为一项革新性的目标检测算法，在《You Only Look Once: Unified, Real-Time Object Detection》这篇论文中首次被提出。该研究由Joseph Redmon、Santosh Divvala、Ross Girshick和Ali ...
【论文阅读笔记】You Only Look Once:Unified, Real-Time Object Detection
2301_78395772的博客
11-05 2297
我们提出了一种新的目标检测方法YOLO。以前在对象检测方面的工作将分类器重新用于每个表单的检测。相反，我们将对象检测框定为空间分离的边界框和相关的类概率的回归问题。一个单一的神经网络预测边界盒和类概率直接从完整的图像在一个评估。由于整个检测管道是一个单一的网络，可以直接对检测性能进行端到端优化。Q1：什么叫做端到端优化?端到端优化（End-to-End Optimization）
You Only Look Once:Unified, Real-Time Object Detection 论文阅读
Xiao_Ya__的博客
08-06 1470
You Only Look Once:Unified, Real-Time Object Detection 论文阅读
目标检测论文阅读 YOLO You Only Look Once:Unified, Real-Time Object Detection
qq_45738761的博客
04-27 774
预训练使用224*224的图像训练ImageNet，预训练好后使用预训练网络的前20个卷积层+平均池化层+全连接层，（其他论文说明：在预训练的网络中同时添加卷积层和连接层可以提高性能）再加4层卷积和2层全连接(随机初始化权重)去训练检测任务，输入大小为448×448。利用图像的宽和高对box的宽和高做归一化，使其介于0和1之间(box的宽高/原图像的宽高)。（3）此外，小的bbox的偏差应当比大的bbox同尺寸的偏差影响要大，解决方法：使用bbox的宽和高的平方根来计算，而不是宽和高本身。
You Only Look OnceUnified, Real-Time Object Detectio.pdf
08-14
yolov1算法初步介绍，希望可以帮助你学习，推广机器视觉。
【论文阅读】You Only Look Once: Unified, Real-Time Object Detection
MoFMan的博客
08-16 385
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，Boun
（YOLO v1）You Only Look Once: Unified, Real-Time Object Detection论文阅读笔记
weixin_43422466的博客
06-23 449
文章目录（YOLO）You Only Look Once: Unified, Real-Time Object Detection论文阅读笔记2016Abstract1. Introduction2. Unified Detection2.1 Network Design2.2 Training2.3 Inference2.4 Limitations of YOLO3. Comparison to Other Detection Systems4. Experiments4.1 Comparison
论文翻译：You Only Look Once: Unified, Real-Time Object Detection
b_dxac的博客
09-28 505
摘要 翻译： 提出了一种新的目标检测方法YOLO。以前关于目标检测的工作使用分类器来执行检测。相反，我们将目标检测框架为一个回归问题，以特定的分离边界盒和相关的类概率。单个神经网络在一次评估中直接从完整的图像预测边界框和类概率。由于整个检测管道是一个单一网络，因此可以对其检测性能进行端到端的直接优化。 We present YOLO, a new approach to object detection. Prior work on object detection repurposes cla.
论文学习：《You Only Look Once: Unified,Real-Time Object Detection》
weixin_42214565的博客
09-02 331
1. YOLO算法核心思想与主要贡献 在这篇文章之前，图像目标检测算法普遍采用的办法是，利用一个可滑动窗口检测图像，得到可能存在目标的区域（或候选框），然后对每个区域分别执行分类任务，进行识别。这样的方法虽然精确但是效率非常低。 YOLO算法的核心思想是，把检测任务定义为一个回归问题，输入一张图片，分成若干个区域(grid)，对图像仅进行一轮检测，以grid为单位输出若干个分类框(boundi...
论文阅读：You Only Look Once: Unified, Real-Time Object Detection
热门推荐
Simon's Blog
09-23 3万+
这篇今年 CVPR 2016 年的检测文章 YOLO，我之前写过这篇文章的解读。但因为不小心在 Markdown 编辑器中编辑时删除了。幸好同组的伙伴转载了我的，我就直接考过来了。以后得给自己的博文留个备份。
《每日论文》You Only Look Once: Unified, Real-Time Object Detection
Alex
12-13 1203
Abstract 摘要 We present YOLO, a unified pipeline for object detection. 我们提出了一个统一的对象检测管道YOLO。 Prior work on object detection repurposes classifiers to perform detection. 先前关于目标检测的工作重新调整分类器来执行检测。 Instead, we frame object detection as a regression problem to s
深度学习目标检测论文精粹：RCNN与YOLO系列
6. **You Only Look Once Unified, Real-Time Object Detection** - 由Joseph Redmon等人于2016年提出的YOLO（You Only Look Once）模型，将目标检测视为一个回归问题，通过单一网络直接从图像像素到边界框坐标和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值