YOLO系列学习笔记

一，YOLO

1，主要过程

      1）：将图片分成 S * S （论文中取7）个网格，若某个对象中心坐落于一个网格内，则该网格负责检测该对象。

      2）：每个网格预测B个bounding boxes和其相应confidence，confidence可以理解为该框包含对象的概率乘以IoU。

      3）：每个bounding box预测5个值，x、y、w、h、confidence，x、y是对象中心相对于网格边界的偏移量，w、h是相对于整张        图片的长度。

      4）：每个网格还会预测一个类别（注意，不是每个bounding box），即Pr(Class_i | Object)。故，在测试时需要把Pr和                    confidence相称以表示类别概率。

      综上，一张图片预测 S * S * (B * 5 + C) 个值。

2，结构

      

       24个卷积层和2个全连接层，输出为7 * 7 * 30（S=7, B=2, C=20）。另，Fast YOLO中仅用了9个卷积层，用到的filter个数           也更少，其他完全相同。

3，训练

      1）：利用前20个卷积层+平均