[目标检测]YOLO原理_yolo原理 - CSDN文库

23 浏览量更新于2023-05-03 1 收藏 777KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源推荐

[目标检测目标检测]YOLO原理原理

1 YOLO

创新点：端到端训练及推断 + 改革区域建议框式目标检测框架 + 实时目标检测

1.1 创新点

(1) 改革了区域建议框式检测框架: RCNN系列均需要生成建议框，在建议框上进行分类与回归，但建议框之间有重叠，这会带

来很多重复工作。YOLO将全图划分为SXS的格子，每个格子负责中心在该格子的目标检测，采用一次性预测所有格子所含目

标的bbox、定位置信度以及所有类别概率向量来将问题一次性解决(one-shot)。

1.2 Inference过程

YOLO网络结构由24个卷积层与2个全连接层构成，网络入口为448x448(v2为416x416)，图片进入网络先经过resize，网络的

输出结果为一个张量，维度为：

其中，S为划分网格数，B为每个网格负责目标个数，C为类别个数。该表达式含义为：

(1) 每个小格会对应B个边界框，边界框的宽高范围为全图，表示以该小格为中心寻找物体的边界框位置。

(2) 每个边界框对应一个分值，代表该处是否有物体及定位准确度：

(3) 每个小格会对应C个概率值，找出最大概率对应的类别P(Class|object)P(Class|object)，并认为小格中包含该物体或者该物

体的一部分。

1.3 分格思想实现方法

一直困惑的问题是：分格思想在代码实现中究竟如何体现的呢？

在yolov1的yolo.cfg文件中：

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余5页未读，立即下载

weixin_38662367

粉丝: 4
资源: 912

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈