神经网络-CV-YOLO-V0-V5（笔记）

计算机视觉：图像分类、目标检测、图像分割、风格迁移、图像重构、超分辨率、图像生成、人脸等。视频中的图片处理也隶属于计算机视觉研究对象，包括视频分类、检测、生成等。
1. YOLO (You Only Look Once) 
You only look once (YOLO) is a state-of-the-art, real-time object detection system.是最先进的实时对象检测系统
2. YOLO 版本 --- V1..V5
3. YOLO 算法思想
--一个深度学习神经网络模型的构成：
    -前向传播部分：90%
    -损失函数部分
    -反向传播部分
--神经网络模型结构大致样子：
    - 分类器：img --> cbrp16--> cbrp32--> cbrp64--> cbrp128--> ...--> fc256-fc[10]
    - cbrp指的是conv，bn，relu，pooling的串联。2个fc层(fully connencted layer)，我们称之为“分类头”或者“决策层”。
--分类器和检测器的输入输出有什么不一样：
    -相同点：两者输入都是图像Image
    -不同点：输出不一样，分类器（one-hot vector）；检测器（一个框-Bounding box）
--图片的Bounding box框相关：
    -x,y,w,h
    -p1,p2,p3,p4(4个点坐标)
    -cx,cy,w,h(cx,cy为中心点坐标)
    -x,y,w,h,angle(还有的目标是有角度的，这时叫做Rotated Bounding Box)......
--进化的分类器模型(YOLO V0)：img --> cbrp16--> cbrp32--> cbrp64--> cbrp128--> ...--> fc256-fc[5] --> c,x,y,w,h
--conv(卷积)操作是位置强相关的，就是原来的目标在哪里，你conv之后的feature map上还在哪里，所以图片划分为16个区域，结果也应该分布在16个区域上
--检测框结构筛选：聚类、NMS（非极大值抑制：交并比IoU=两个框的交集面积/两个框的并集面积）。 1图多目标检测时用NMS
--进化的分类器模型(YOLO V1)：img --> cbrp16--> cbrp32--> cbrp64--> cbrp128--> ...--> fc256-fc[5+2]*N --> [c,x,y,w,h,one-hot]*N

--滑动窗口分类方法：标注框、检测框滑动遍历图片。
--前置：R-CNN 到Faster R-CNN一直采用的思路是Proposal + 分类，前者提供图像位置信息，后者提供类别信息，虽然精度已经很高，但因为是two-stage的方法，其中Proposal过程耗费时间比较多;faster-RCNN 中也直接用整张图作为输入，但是 faster-RCNN 整体还是采用了RCNN 那种 proposal+classifier 的思想，只不过是将提取 proposal 的步骤放在 CNN 中实现了，而 YOLO 则采用直接回归的思路。因而总体处理速度不太理想，达不到实时处理的效果。
--YOLO 模型的思路比较直接：在输出层直接进行“回归（动词）”Bounding Box的位置和Bounding Box所属的类别；进化成把整张图作为网络的输入，因此把目标检测的问题转化成了一个回归问题。
--YOLO的实现方法：将一幅图像分成 SxS 个网格（grid cell），如果某个 object 的中心落在这个网格中，则这个网格就负责预测这个 object。每个网格要预测 B 个 bounding box，每个 bounding box 除了要回归自身的位置之外，还要附带预测一个 c