进击的龙

一、任务描述目标检测是为了解决图像里的物体是什么，在哪里的问题。输入一幅图像，输出的是图像里每个物体的类别和位置，其中位置用一个包含物体的框表示。需要注意，我们的目标，同时也是论文中常说的感兴趣的物体，指我们关心的类别（行人检测只检测人，交通检测只关心交通工具等），或者数据集包含的类别，并不是图像里所有的物体都是目标，比如建筑，草坪也是物体，但他们常常是背景。从计算机视觉的角度看，目标检测是分类+定位，从机器学习的角度看，目标检测是分类+回归。二、设计思路今天介绍的 R-CNN 系

YOLO 系列算法是目标检测 one-stage 类的代表算法，本文将从 问题背景，创新点等方面比较，了解它们的的发展历程。一、任务描述目标检测是为了解决图像里的物体是什么，在哪里的问题。输入一幅图像，输出的是图像里每个物体的类别和位置，其中位置用一个包含物体的框表示。需要注意，我们的目标，同时也是论文中常说的感兴趣的物体，指我们关心的类别（行人检测只检测人，交通检测只关心交通工具等），或者数据集包含的类别，并不是图像里所有的物体都是目标，比如建筑，草坪也是物体，但他们常常是背景。

目录YOLOv1基本思想网络结构损失函数训练过程与 Fast-R-CNN 对比升级版 YOLO v2YOLOv2 改进之处YOLOv2网络结构YOLO9000YOLOv3优缺点YOLO v.s. Faster R-CNNDarknet 框架本文逐步介绍YOLO v1~v3的设计历程。YOLOv1基本思想YOLO将输入图像分成SxS个格...