YOLO算法详解

论文背景

论文全称：You Only Look Once: Unified, Real-Time Object Detection
论文链接：https://arxiv.org/abs/1506.02640
论文日期：2016.5.9

本文提出了一个目标检测算法，YOLO，将目标检测问题视为一个回归问题，是一阶段的神经网络结构，直接输入整张图片进行预测，是一个端到端的训练。

YOLO算法的突出特点就是速度快，提供了一种提高检测算法速度的新思路，通过单一神经网络进行预测，每秒可以实时处理45帧图片，45 FPS，一个更小的结构，fast YOLO，155 FPS。

实验结果

YOLO的定位误差很大，但是不会将背景预测为对象。

算法简介

神经网络结构

将检测问题构架为一个回归问题，直接从图像像素到边界框坐标和类概率。
单个神经网络同时预测多个边界框和这些框是对应于所有类别的概率。

优点：

• 速度快，不需要复杂的进程，可以处理实时视频。同时检测准确率高。
• YOLO在预测时全局了解了图片。不同于滑窗和区域提取技术，YOLO在训练和测试期间会观测整个图像，并且明确地记录了关于类及其外观的背景信息。 与Fast R-CNN相比，YOLO的背景错误数量不到Fast R-CNN的一半。
• YOLO学习对象的一般化表示。 在对自然图像进行训练并对原图进行测试时，YOLO的表现优于DPM和R-CNN等顶