YoloV1模型

You Only Look Once

Yolov1直接采用网络特征输出，实现置信度预测、分类、边界框回归；
核心内容总结：

1. 输入图像划分为 S × S 网格。如果对象的中心落入网格单元中，则该网格单元负责检测该对象；
2. 每个网格单元预测 B 个边界框以及这些框的置信度分数，这些置信度分数反映了模型对盒子包含对象的置信度，以及模型认为盒子预测的准确性。
3. 每个边界框由 5 个预测组成：x、y、w、h 和置信度。 (x, y) 坐标表示相对于网格单元边界的框中心。宽度和高度是相对于整个图像预测的。
4. 置信度预测表示预测框与任何地面实况框之间的 IOU。每个网格单元还预测 C 个条件类概率 Pr(Classi|Object)。这些概率以包含对象的网格单元为条件。无论框 B 的数量如何，我们仅预测每个网格单元的一组类概率。
   在测试时，我们将条件类概率与单个框置信度预测相乘。

置信度定义

将图像划分S*S的规则格网，根据格网分别进行边界框-置信度预测以及格网类别的预测，置信度为类别概率与之边界框真实值与预测值的交并比；每个cell预测B个边界框与置信度。

类别条件概率

类别概率是每个cell的独立条件，与边界框数量无关；

NMS

def nms(bboxes, scores, nms_thresh):
    """"Pure Python NMS."""
    x1 = bboxes[:, 0]  #xmin
    y1 = bboxes[:, 1]  #ymin
    x2 = bboxes[:, 2]  #xmax
    y2 = bboxes[:, 3]  #ymax
    # 根据矩阵惩罚，计算每个bbox的面积
    areas = (x2 - x1