深度学习—YOLO目标检测算法

一、整体流程介绍

 

 

 

二、数据准备

根据目标大小不同，考虑3种图像划分尺度，大中小；

而对锚框本身，有正、长、宽3种形态；

P_o有无中心坐标（0、1）、B_x、B_y、B_w、B_h，这里是5个特征值，再加上COCO数据集本身自带的80个类别；

故对于每个图像块均构造一个对应的标签列向量y，（5+80）* 3 = 255；

C1、C2、C3是指分类类别；

13*13个图像块，共构造13*13个标签列向量 13*13*255。

 

二、神经网络结构

 

 

三、损失函数

指导优化神经网络权值

 

 

 

四、算法的整体设计

 

 

 

 

知识产权声明: 本博文中的ppt素材及相关内容和知识产权，均属于河南大学张重生老师所讲授的《深度学习》课程及张重生老师在2025年出版的著作《新一代人工智能 从深度学习到大模型》（机械工业出版社）。特此声明。

真挚地感谢张重生老师在本人于河南大学学习期间的教导。