目标检测之 YOLOv1



参考博客：

https://blog.csdn.net/weixin39912556/article/details/80560380

https://www.zhihu.com/column/giantpandacv



author: dreamer

date: 2020-09-08



基本思想

yoloV1作为yolo系列one stage系列的代表作，非常的经典，作为当时的目标检测发展的阶段来看，虽然在精度上不及fast rcnn,但是在速度上可是实现45fps,已经完全可以满足实时监测的要求。创新的点主要是利用最后一个featrue 上的每个grid对应原图的一个区域，相当于对原图划分成k\*k个格子来分别的做回归和检测，并且，对于每个格子检测两个框，一个上对大物体，一个上对小物体，同时还有一个输出上一个one hot的类别信息。



缺点



对于小目标检测的精度问题。在算法中没有关于针对小目标检测的处理，导致对于小目标检测精度很差。



这个利用grid对应原图上某块区域的方式过于粗糙，导致最终的检测精度不高。



重点把握两点



1. 网络结构



2.损失函数