[人工智能]Yolo系列

yolov1

yolov1算法原理介绍

同时预测多个bounding box位置和类别
端到端的目标检测和识别
速度更快

1.图像被分成S×S个格子
2.包含GroundTruth物体中心的格子负责预测相应的物体
3.假设每个格子最多包含B个物体，每个格子预测B个检测框及其置信度，以及C个类别概率。
4.boundingbox信息(x,y,w,h)为物体的中心位置相对格子位置的偏移及宽度和高度，均被归一化。
5.置信度反应是否包含物体，以及包含物体情况下位置的准确性，定义为

6.最终输出向量为S×S×（B×5+C）
7.Loss函数：均方和误差（坐标误差、IoU误差和分类误差）

Yolov1存在的问题

1.输入尺寸固定
2.小目标检测效果差：同一个格子出现多个目标时，只预测其中一个目标。