You look only once（YOLO）通俗篇

我今天真的爆发了，把十来天看的两篇论文又复习了一遍，顺便也就都写了博客

说起YOLO，很早前就听过它的大名，快速的detection方案。但是比起YOLO，我很喜欢称之为YOU ONLY LOOK ONCE（一见倾心），这个名字真的是太有诗意了，hhh，笑出猪叫声。好啦，感觉每次说废话占去我博客十分之一的字有了，下面言归正传。

一、前言

首先要对比一下YOLO与之前常见的detection之间的最大差别，之前的方法都是把分类器稍加修改用来做detect，但是呢，在YOLO中提出了一种新的思路，使用回归来做detection，在空间上分离计算出bbox以及相应的probability，并且只需要一次计算就可以算出最后的结果。与之前诸多方法相比，YOLO最大的进步就是真正意义上实现了detection的实时效果。普通的YOLO可以达到45帧每秒的速度，而一种fast YOLO的改进型可以达到155帧每秒的速度。

总结来说，YOLO对比之前的网络有着以下的三点突破：

1、YOLO的速度很快，因为将detection作为一个regression的问题之后，它就不再需要大量的计算过程了，在不使用GPU的情况下就可以达到45帧每秒的处理速度。

2、YOLO采取整个图片作为输入，它获取的是全局的信息，因而能够做出更好的预测，不像一些基于滑窗或者是建议框的方法，YOLO能够提取到更加高级的语义信息。

3、YOLO具有更强的迁移性和适应性，当它被应用于一些陌生的场景时。

二、细说YOLO

作者在文中，将整个复杂的detection过程融合到一个简单的神经网络中去了，这是一个端到端的训练过程，在保持高速的同时保持着很高的正确率。

下面来看看YOLO是如何进行工作的，YOLO将整个输入的图片分为s*s个格子，如果一个待检测物体的中心落在这个格子中，那么这个格子就负责检测这个物体。

每个格子会预测B个bbox以及相应的confidence。这个confidence代表了模型对于该格子中包含物体的信赖度。作者使用这样一个公式来计算confidence：