【经典论文解读】YOLO 目标检测

前言

YOLO是一种目标检测方法，它的输入是整张图片，当检测到目标物体时用边界框圈起来，同时给该目标物体一个类别；边界框由中心位置、宽、高等来表示的；它的输出是n个物体的检测信息，每个物体的信息包括：中心位置(x,y)、高(h)、宽(w)、类别。

YOLO的全称是you only look once，指只需要浏览一次就可以识别出图中的物体的类别和位置；它是通过归回的方式计算和优化边界框和类别。

论文地址：You Only Look Once: Unified, Real-Time Object Detection

开源代码：https://github.com/pjreddie/darknet

一、思路流程

1. 输入一张图像，把图像划分为7*7的网格；此时图像由49个网格组成的。
2. 对于每个网络，模型都预测2个边界框；每个边界框包含的信息：置信度、中心坐标、宽、高等。此时图像有7*7*2 = 98个边界框。
3. 设置一个阈值，去除“置信度”过低的边界框；然后通过非极大值抑制来去除冗余的边界框。

二、网络结构

 YOLO的结构比较简单，常规的卷积、池化最后加了两层全连接。画了一个草图，便于大家理解： 

版权声明：本文为CSDN博主「一颗小树x」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_41204464/article/details/119276735