YOLO相關(guān)背景知識(shí)[1]

論文鏈接：http://arxiv.org/pdf/1506.02640

• 兩大流派
  目前，基于深度學(xué)習(xí)算法的一系列目標(biāo)檢測(cè)算法大致分為兩大流派：
  1.兩步走（two-stage）算法：先產(chǎn)生候選區(qū)域然后再進(jìn)行CNN分類(lèi)(RCNN系列)，
  2.一步走（one-stage）算法：直接對(duì)輸入圖像應(yīng)用算法并輸出類(lèi)別和相應(yīng)的定位(YOLO系列)

  之前的R-CNN系列雖然準(zhǔn)確率比較高，但是即使是發(fā)展到Faster R-CNN，檢測(cè)一張圖片如下圖所示也要7fps(原文為5fps)，為了使得檢測(cè)的工作能夠用到實(shí)時(shí)中，提出了YOLO[2]。
  下面是相關(guān)方法展示圖。
  

  • YOLO檢測(cè)思想
    如下圖所示
    
    
    一個(gè)單元格生成兩個(gè)針對(duì)該潛在物體的方框信息，這兩個(gè)方框要以該單元格為中心，對(duì)于每個(gè)單元格，生成4個(gè)值得位置信息和一個(gè)該方框包含該物體的置信概率值；除此之外，還生成類(lèi)別個(gè)數(shù)（論文中數(shù)據(jù)集對(duì)應(yīng)20類(lèi)類(lèi)別）的置信概率，總共是若生成兩個(gè)方框，則為2*（4+1）+20。

參考文獻(xiàn)
[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.

總結(jié)

以上是生活随笔為你收集整理的Single-stage目标检测网络YOLO相关背景知识的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。