【YOLO系列】YOLOv1

⭐ YOLOv1

参考文献：《You Only Look Once: Unified, Real-Time Object Detection（2016）》

以前的目标检测是利用分类器来执行检测任务，而YOLO将目标检测看作关于边界框和相关类别的回归问题，直接从完整的图像上预测边界框和类别概率，可以实现端到端。推理速度45FPS 448×448，准确率63.4mAP。

---

✔️诞生背景

截至到目前(2016)的目标检测方法：(1)变形部件模型(DPM)这样的系统使用滑动窗口，在整张图上遍历各种位置各种大小；(2)RCNN使用区域提出(Region Proposal)方法，然后在提出区域上使用分类器。这两种方法流程复杂速度慢很难优化，因为每个单独的组件都必须单独进行训练。YOLO将目标检测重新看作单一回归问题，直接从图像像素到边界框坐标和类概率，速度非常快。

✔️网络结构

YOLOv1的网络结构如上图所示，包括24个卷积层和2个全连接层，卷积层提取图像特征全连接层预测输出坐标及类别，使用一个网络同时预测边界框和类别信息。输入448×448×3输出7×7×30，输出表示为grid_cell×grid_cell×