1： yolo 知识
YOLO（You Only Look Once）是一种目标检测算法，它的原理可以概括为以下几个步骤：
- 网络输入和预处理：YOLO将图像分割成固定大小的网格，并将每个网格作为网络的输入。然后，对于每个输入图像，进行预处理，包括图像缩放、归一化等操作。
- 网络构建：YOLO使用卷积神经网络（CNN）作为基础网络。它通常使用Darknet作为网络架构，它由多个卷积层和池化层组成，最后连接全连接层输出预测结果。
- 特征提取：通过卷积和池化操作，YOLO网络能够从输入图像中提取出高级语义特征。这些特征用于后续的目标检测任务。
- 目标检测和分类：对于每个网格**（grid cell)，YOLO预测出固定数量（通常是预先定义的几个）的边界框（bounding box）**，并为每个边界框分配一个置信度分数，表示该边界框内是否存在目标物体。此外，YOLO还会对每个边界框进行类别分类，得到该边界框内物体的具体类别。
- 边界框调整：YOLO网络输出的边界框坐标是相对于网格的，需要进一步调整为相对于整个图像的坐标。
- 非最大值抑制（NMS）：由于YOLO在每个网格都会预测出多个边界框，为了去除重叠的边界框，需要使用非最大值抑制算法。该算法会筛选出置信度最高的边界框，并剔除与其相交度较高的其他边界框。
- 输出结果：经过上述处理后，YOLO输出的结果包括每个边界框的类别、置信度分数和坐标信息，可以用于目标检测任务的进一步应用。
总体来说，YOLO通过将目标检测任务转化为一个回归问题，实现了实时目标检测的能力。相比于传统的目标检测算法，YOLO具有较快的处理速度和较好的准确性，因此在计算资源有限的场景下得到广泛应用。
演进：
Pascal Voc数据集检测，FPS大于30就属于实时检测。
2 比较
CNN 是属于两阶段的。
DPM 和 R-CNN 都是基于侯选框的。
预测类别
2个候选框，每个框5个参数，20个类别的条件概率。
论文 使用imagenet数据集，。。。
VOC 数据集
COde 与数据集
3 yolo 1 论文
网址
数据集
VOC 20个类别 MScoco 是80个类别
比较：
单阶段模型：快
后来我们国家出了SSD单阶段模型
集成（基模型优势互补）
大物体检测更好
泛化能力强：(在自然图像和艺术图像）
迁移泛化能力强
对于小物体不容易区分检测
MAP : 准确度性能。各个类别准确率的平均值
AP : 准确率 （PR 曲线围成的面积）
包含物体的（概率*交并比）预测框和人工标注框的交并比， 如果没有人工标注框落在 Grid Cell , 那么他们的执行度应该为0，
作为一个标签值。
训练阶段是这么个算法，但是在预测阶段是回归出来的。
中心点（必须在grid cell 里面)的横坐标和纵坐标以及框的宽度和高度，都是相对于左上角。
假设这个grid cell 负责预测这个物体的条件下，是狗的概率是多少？是一个条件概率。
B 个预测框 和 c 个条件预测概率。前一项是分类的精度后一项是回归定位的精度。
B个box ,每个box 5个参数，以及每个cell 20个类别。
训练阶段，人工标注框落在哪个grid cell，就应该由哪个grid cell 产生的bounding boxes,去负责预测这个物体，选择哪个bounding boxes 来预测，由与人工标注框的 IoU 最大的那个来预测。去负责拟合人工标注的框。所以bounding boxes 分为3类，一类是在预测物体的grid cell 中的 和 不负责预测物体的 IoU 较小的 bounding boxs，还有一类是不负责预测物体的grid cell 产生的 bounding boxes. 他们会用来分别计算损失函数。
