YOLO算法学习指南

YOLO（you look only once）是检测PascalVOC2007/2012数据集内对象/目标的系统，能够检测出20种Pascal对象，是一个准确率较高，速度较快的实时图像检测方法。

（20种对象：人 动物 交通工具 静物）

原文翻译：http://www.jianshu.com/p/ebce76db119b

YOLO9000即YOLOv2 是新版本的YOLO，据称 mAP 和速度都提升了不少，更是可以检测9000多种物体，且不要求同样的分辨率。（mAP：mean average precision衡量识别精度，多个类别物体检测中，每一个类别都可以根据recall和precision绘制一条曲线，AP就是该曲线下的面积，mAP是多个类别AP的平均值）

官网;https://pjreddie.com/darknet/yolo/

yolo代码：https://github.com/gliese581gg/YOLO_tensorflow

YOLO使用工具：

1. DarkNet：开源的神经网络框架，使用C语言和CUDA编写，安装快速简单，支持CPU/GPU计算。https://pjreddie.com/darknet/
2. CUDA:CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员现在可以使用C语言来为CUDA™架构编写程序。
3. PascalVOC为图像识别和分类提供了一整套标准化数据集，2005-2012每年举行一场图像识别challenge。YOLO测试中用到VOC 2007/2012.

   VOC数据集的介绍：http://blog.csdn.net/zhangjunbob/article/details/52769381

 

YOLO相关算法：RCNN,fast/faster-RCNN，SSD http://nooverfit.com/wp/2017/07/

1. RCNN系列：region proposal+CNN
   1. 传统方法：区域选择（设置不同尺度滑动窗口对整幅图像进行遍历，对目标位置进行定位）—>特征提取（手工设计的特征eg：HOG,SIFT）—>分类（使用训练好的分类器进行分类，常用SVM,Adaboost）
   2. R-CNN：区域选择（对测试图像利用选择搜索算法提取2000个候选区）—>缩放（将候选区缩放成227*227大小输入CNN，fc7层输出为特征）—>分类（将CNN提取到的特征输入SVM分类）—>边框回归
   3. Fast R-CNN: 在RCNN基础上改进：在最后一层卷积层上加一个ROI pooling；使用多任务损失函数；将边框回归加入CNN中训练
   4. Faster R-CNN : 使用RPN（卷积神经网络直接产生候选区域）
2. 基于回归方法：
   1. YOLO（实时性高，但没有了region proposal机制目标不能精准定位，检测精度不是很高）,v2版本应该提高了…
   2. SSD:结合了YOLO中的回归思想和Faster R-CNN中的anchor机制，使用全图各个位置的多尺度区域特征进行回归，同时保证了实时性与精度。

      

YOLO算法：

1. Resize：成448*448，图片分割成7*7网格
2. CNN提取特征及预测：

YOLO检测网络包括24个卷积层和2个全连接层，其中，卷积层用来提取图像特征，全连接层用来预测图像位置（7*7*2=98个bounding box的坐标x，y，w，h，confidence）和类别概率值（7*7=49个网格所属20个物体的概率）。

  3.过滤bbox（通过nms）

图解YOLO：https://zhuanlan.zhihu.com/p/24916786?refer=xiaoleimlnote

问题：

1. YOLO基于VOC给定的20种分类，如何实现自己的目标识别呢？
2. 若每个格子中包含多个物体时仅能检测出一个？