weixin_42819084的博客

废话综述最近玩目标检测yolo系列的模型比较多，学习中也遇到了很多问题，经过很多大神和老师的解答和自己扣源代码，感觉对yolo系列的算法有一点点理解，所以记录下来供大家一起学习和交流（如果存在解释中的不足和错误请大家直接指出来）。先说一下我对整个系列的感觉，yolo系列在工业上的应用比例应该还算很大的，所以我们一定要理解好其中的原理，改进和设计思想。yolo系列的整体原理我感觉就是把图片分成很多个grid，然后对其中的每个grid里面拿bounding box的x，y，w，h和置信度和所属类别，放入一个

废话综述在看完yolov1的网络文章后，大家一定对这个yolo系列的算法有一定的了解。没看的朋友一定要看完yolov1的文章再来看yolov2的这篇博客。yolov1文章链接：https://blog.youkuaiyun.com/weixin_42819084/article/details/107633798yolov2这个版本相当于是yolov3版本发布前的试水，网络结构变化不大，在一些小结构的计算方式有一些小的创新，所以我们一定要把重点放在这几个点的理解上：1.引入anchor框，k-means聚类得

废话综述yolov1是yolo系列的开山之作，它是一个无anchor框的检测模型，也是将目标检测任务变成一个回归任务来处理的。看yolo系列一定要从v1开始看，慢慢看每个系列的改进，理解其精髓才能有比较大的提升。yolov1等于将每个图片分成7 * 7的区域，最后的输出张量每个张量“负责”图片中的每个区域的检测，但是一定要注意每个张量负责的区域会比图片分割后的格子要稍大一些，而且每个1 * 1张量的感受野是整张图片的信息（因为进过了一个全连接层）。这个网络一定要好好理解它回归处理目标检测这个思想，把重点放

本篇论文的题目是 《Rich feature hierarchies for accurate oject detection and semantic segmentation》，翻译过来就是针对高准确度的目标检测与语义分割的多特征层级，通俗地来讲就是一个用来做目标检测和语义分割的神经网络。本文作者：Ross Girshick，JeffDonahue,TrevorDarrell,Jitendra Malik。这篇论文发布时间是 2014 年，它具有很多比较重要的意义。在 Pascal VOC 201