之前学习yolo觉得挺简单，不用记的，时过境迁，我终于向我的记忆力屈服了，这知识它不进我的脑子啊！
所以现在把影响我理解的地方记下来。
YOLO思想：
yolo会输入图片分成SxS 的小格子，物体的中心点落到某个格子中，那么这个格子就负责检测出该物体。
对于每个格子，都会检测出B个bounding box(bbox)，而对于每个bbox，会预测出五个值。
位置值(x, y, w, h)：这里十分注意，因为已经限定在某个格子里了，所以预测的x，y值为相对于格子的位置。
在0，1之间。
confidence值：bbox包含一个物体的置信度，P（object）*IOU，P（object）表示是否包含物体，IOU为交并比，表示bbox对于物体位置的准确率。
YOLO还会为每个格子进行分类，一共有C类，为每个grid cell都预测一组条件概率： P（classi|object） ，grid cell中的B个bbox共享这个条件概率。
最后得到SxSx（Bx5+C）的向量。
YOLO的损失函数：
这里几个需要注意的问题
1、坐标预测：
对于位置误差，主要是计算bbox的 (x, y, w, h) 和对应的ground truth box的 (x, y, w, h) 之间的sum-squared error，需要注意的是并不是所有的bbox都参与loss的计算，首先必须是cell i中存在object，并且cell i中的第j个bbox和ground truth box有最大的IoU值，那么这个bbox j才参与loss的计算，其他的不满足条件的bbox不参与。即，一个ground truth box只需要一个bbox来负责，而有最大IoU的bbox更接近ground truth所以学习起来更快。
此外，因为误差在小的box上体现的更明显，就是一点点小的位置上的偏差可能对大的box影响不是很大，但是对小的box的影响就比较明显了，所以为了给不同size的box的位置loss赋予不同的‘权重’，需要对w和h开方后才进行计算。因为根据 的函数图像可知，当x较小时，x的一点小的变化都会导致y大的变化，而当x较大的时候，x的一点儿小的变化不会让y的变化太大。 但这个方法只能减弱这个问题，并不能彻底解决这个问题。
2、confidence预测
包括有object的和没有object的预测
作者设置两个超参数是因为input中的对象数量很少，所以会产生大量的无对象bbox，所以作者设置了10倍差距的λ\lambdaλ来抵消巨大的不平衡。
3、类别预测
在本文中将分类误差当作回归误差来计算，使用sum-squared error来计算分类误差，需要注意的是只有包含object的cell才参与分类loss的计算，即object中心点落入的cell才进行分类loss的计算，而这个cell的ground truth label就是该物体的label。
注意设置超参数的原因：
- 首先在目标检测问题中，localization的误差比分类的误差更重要，所以给位置误差赋予更大的权重，。
- 其次，因为一张图中大多数的bbox都是没有物体的，那么这些bbox的confidence的误差就会产生比较大的影响，甚至会影响到少量的含义object的bbox的误差优化，就是会产生一个overpowering，我猜测就是对于大部分的bbox来说优化loss是为了让这些bbox的confidence变为0，只有少量的是让confidence接近一个非零值，所以最后优化的结果可能是所有的bbox的confidence都变成0。为了避免这个问题，我们就需要赋予不含物体的bbox的confidence loss更小的权重 。
