初识YOLO

什么是YOLO2算法

“You Only Look Once”

YOLO的核心思想就是利用整张图作为网络的输入，直接在输出层回归bounding box的位置和bounding box所属的类别。
Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测，整个系统如图5所示：首先将输入图片resize到448x448，然后送入CNN网络，最后处理网络预测结果得到检测的目标。相比R-CNN算法，其是一个统一的框架，其速度更快，而且Yolo的训练过程也是end-to-end的。

YOLO算法的原理

具体来说，Yolo的CNN网络将输入的图片分割成S×S网格，然后每个单元格负责去检测那些中心点落在该格子内的目标，如图6所示，可以看到狗这个目标的中心落在左下角一个单元格内，那么该单元格负责预测这个狗。每个单元格会预测B个边界框（bounding box）以及边界框的置信度（confidence score）。所谓置信度其实包含两个方面，一是这个边界框含有目标的可能性大小，二是这个边界框的准确度。前者记为Pr(object)，当该边界框是背景时（即不包含目标），此时Pr(object)=0。而当该边界框包含目标时，Pr(object)=1。

YOLO2在街景环境的物体识别

YOLO算法的缺点/优点

缺点

YOLO各个单元格仅仅预测两个边界框，且属于一个类别。对于小物体，YOLO的表现不佳。这方面的改进可以看SSD，其采用多尺度单元格。也可以看Faster R-CNN，其采用了anchor boxes。Yolo对于在物体的宽高比方面泛化率低，就是无法定位不寻常比例的物体。并且YOLO的定位不准确也是很大的问题。

优点

i YOLO 全程end-to-end，故而快且简洁。
iiYolo是对整张图片做卷积，所以拥有更大的视野，不容易对背景误判

参考博客：yolo算法详解