YOLO训练和检测均是在一个单独网络中进行。
训练：
网络结构：
使用1x1和3x3的卷积来代替GoogleNet中原来的Inception模块，使用ImageNet数据集预先训练好GoogleNet。再加入一些新的卷积层，参数是随机初始化的。
输出tensor的值是没有任何意义的，我们通过训练，人为规定某个维度的值表示什么。我们规定如下：
其中训练样本的x，y，w，h都是已知的，Pr(Object)，IOU也是已知的。
对于每个grid，训练时只用计算含有物体的grid中各个类别的概率。只有那些grid才有意义。
相关文章：