Single-stage目标检测网络YOLO相关背景知识

YOLO相关背景知识[1]

• 两大流派
  目前，基于深度学习算法的一系列目标检测算法大致分为两大流派：
  1.两步走（two-stage）算法：先产生候选区域然后再进行CNN分类(RCNN系列)，
  2.一步走（one-stage）算法：直接对输入图像应用算法并输出类别和相应的定位(YOLO系列)

  之前的R-CNN系列虽然准确率比较高，但是即使是发展到Faster R-CNN，检测一张图片如下图所示也要7fps(原文为5fps)，为了使得检测的工作能够用到实时中，提出了YOLO[2]。
  下面是相关方法展示图。
  

  • YOLO检测思想
    如下图所示
    
    
    一个单元格生成两个针对该潜在物体的方框信息，这两个方框要以该单元格为中心，对于每个单元格，生成4个值得位置信息和一个该方框包含该物体的置信概率值；除此之外，还生成类别个数（论文中数据集对应20类类别）的置信概率，总共是若生成两个方框，则为2*（4+1）+20。

参考文献
[1] https://www.jianshu.com/p/13ec2aa50c12
[2] Redmon J , Divvala S , Girshick R , et al. You Only Look Once: Unified, Real-Time Object Detection[C]// 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2016.