目标检测算法Yolo

对于计算机视觉，大家最熟悉的是人脸识别。注意，人脸识别和人脸检测是不同的概念。人脸检测，是在图像中找出人脸并给出位置；人脸识别，不仅要从图像中找出人脸，并要识别出人脸对应的人的信息。

人脸检测是目标检测的一个例子。

计算机视觉最基本的任务之一是图像分类。在图像分类的基础上，还有更复杂和有趣的任务，如目标检测、物体定位、图像分割等。
目标检测是要在图像中识别出指定类的对象，并给出其位置。由于图像中目标的个数和位置都是不固定的，所以，目标检测
任务并不简单。
目标检测的一个应用场景是证件检测。在证件检测场景中，需要从图像中检测出是否出示了指定的证件（比如，二代身份证），从而对图像中的行为作出判断。

目标检测算法，比较流行的分为两类，一类是基于Region Proposal的R-CNN系算法（R-CNN，Fast R-CNN, Faster R-CNN），它们是two-stage的，需要先使用启发式方法（selective search）或者CNN网络（RPN）产生Region Proposal，然后再在Region Proposal上做分类与回归。而另一类是Yolo，SSD这类one-stage算法，其仅仅使用一个CNN网络直接预测不同目标的类别与位置。第一类方法是准确度高一些，但是速度慢，但是第二类算法是速度快，但是准确性要低一些。
Yolo算法，其全称是You Only Look Once: Unified, Real-Time Object Detection。顾名思义就是只看一次，把目标区域预测和目标类别预测合二为一，作者将目标检测任务看作目标区域预测和类别预测的回归问题。该方法采用单个神经网络直接预测物品边界和类别概率，实现end-to-end的物品检测。