YOLO算法(一)——Yolo介绍 Yolov1
YOLO（You Only Look Once），是一个统一的(Unified)、实时的(Real-Time)的目标检测。是一种基于深度卷积神经网络的目标检测算法。
是one-stage算法
YOLO 仅仅使用卷积层，这种仅适用卷基层的网络我们称之为全卷积神经网络（Fully Convolutional Network）。YOLO 拥有 75 个卷积层，还有 skip connections 和 上采样 Upsampling 层。它使用步幅为 2 的卷积层对特征图进行下采样，而不是使用池化层，这有助于防止通常由池化导致的低级特征丢失。
总结而言，yolo3不过是把一张图片划分成不同的网格，每个网格点负责一个区域的预测，只要物体的中心点落在这个区域，这个物体就由这个网格点来确定。
YOLO核心思想：从R-CNN到Fast R-CNN一直采用的思路是proposal+分类 （proposal 提供位置信息， 分类提供类别信息）精度已经很高，但是速度还不行。 YOLO提供了另一种更为直接的思路： 直接在输出层回归bounding box的位置和bounding box所属的类别(整张图作为网络的输入，把 Object Detection 的问题转化成一个 Regression 问题)。
YOLO算法相对于SSD和Fast-RCNN，速度更快，但检测精度相对低
YoloV1
- 同时预测多个Box位置和类别
- 端到端的目标检测和识别
- 速度更快
实现回归功能的CNN并不需要复杂设计过程
直接选用整图训练模型，更好的区分目标和背景区域
在yolov1算法中
- 图像被分成SxS个格子
- 包含GT物体中心的格子负责检测相应的物体
- 每个格子预测B个检测框及其置信度，以及C个类别概率
Yolov1网络结构图
‘
Yolov1网络结构分析
- 网络使用小卷积，即：1×1 和 3×3（GoogLeNet）
- FC输出为：S×S×（B×5+C）
- 网络比VGG16快，准确率稍差
Yolov1损失函数
- Loss函数：均方和误差
- 坐标误差、IOU误差和分类误差
- 权重考量
Yolov1存在的问题
- 输入尺寸固定
- 小目标检测效果差
同一格子包含多个目标时，仅预测一个（IOU最高）
YOLO算法(一)——Yolo介绍 Yolov1相关推荐
- 卷积神经网络三:目标检测和yolo算法
1 目标定位 对象检测,它是计算机视觉领域中一个新兴的应用方向,相比前两年,它的性能越来越好.在构建对象检测之前,我们先了解一下对象定位,首先我们看看它的定义. 图片分类任务我们已经熟悉了,就是算法遍 ...
- yolo算法的优缺点分析_yolo算法介绍
yolo算法介绍 (2020-06-06 16:49:28) 把Yolo模型搞清楚后不得不再次为人类的智慧感慨,一个巧妙的模型. 要想理解Yolo我们先要搞清楚Yolo到底要解决一个什么问题,解决这个 ...
- 简单介绍一下YOLO算法发展历程
在开始介绍YOLO算法之前,让我们先了解一下什么是目标检测. 好啦,让我们正式开始吧!
- 电竞AI之视觉篇：YOLO算法在电竞中的应用（Darknet + TF)
转战米国,经过一段时间的调整和适应,终于有时间整理下最近做的一个项目.从infra到云到大数据到AI,各个领域都应该保持学习,技术的道路从来都不是一帆风顺. 1. 场景介绍 MOBA玩家都比较熟悉不论 ...
- 目标检测算法之YOLO
其它机器学习.深度学习算法的全面系统讲解可以阅读<机器学习-原理.算法与应用>,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造. 书的购买链接 书的勘误,优化,源代码资源 原创声明 ...
- 目标检测 /yolo算法原理的详解
前言 谈到计算机视觉时,我们都会联想到图像分类,图像分类是计算机视觉最基本的任务之一,在图像分类的基础上,我们还有更复杂的任务,比如目标检测,物体定位,图像分割等,本文主要讲目标检测,目标检测是分类与 ...
- 深度学习目标检测系列：一文弄懂YOLO算法|附Python源码
在之前的文章中,介绍了计算机视觉领域中目标检测的相关方法--RCNN系列算法原理,以及Faster RCNN的实现.这些算法面临的一个问题,不是端到端的模型,几个构件拼凑在一起组成整个检测系统,操作起 ...
- yolo算法的优缺点分析_YOLO算法详细解析（一）
目标检测和目标分类 图像识别算法是计算机视觉的基础算法,例如VGG,GoogLeNet,ResNet等,这类算法主要是判断图片中目标的种类. 目标检测算法和图像识别算法类似,但是目标检测算法不仅要识别 ...
- 目标检测与YOLO算法（用Python实现目标检测）
最近在听Andrew Ng讲解目标检测的视频,包括目标定位,特征点检测,卷积的滑动窗口的实现,Bounding Box预测,交并比,非极大值抑制,AnchorBoxes,YOLO算法以及候选区域,并通 ...
最新文章
- 213. House Robber II
- 什么是PyTorch，为何要使用PyTorch
- 【Network Security！】深入浅出ARP协议使用中间人截获密码
- c语言i o编程,C 语言输入输出 (I/O)
- C# log4net 的配置
- BFC 神奇背后的原理
- Spark消费kafka任务卡死：Marking the coordinator xxx:9092 (id: 2147483647 rack: null) dead for group xxx
- Converse3D 引擎介绍
- ICEFaces Note（7）
- Python基础学习（二）
- Testbed静态分析
- CSS总结-----定位与盒子图
- OpenVINO常用PythonAPI详解与演示
- ECS与EDAS什么意思？
- 金融学习资料 | 数学篇
- js 设置window.open打开新窗口的title
- element-ui el-input-number 输入框不显示数字，默认清空
- 康耐视InSight中电子表格模式下图案匹配工具FindPatterns的使用分享
- Blender 移动模型到世界中心
- 学术科研：论文查找与下载