【声明】： 此笔记是根据b站大up【@同济子豪兄】视频内容并结合自己理解进行整理，如有不理解之处可以去b站找up原视频观看详解。另：十分非常万分感谢大up子豪兄的无私奉献，使像我这样的小白能够更快跨入DL大门，指引出一条更加方便快捷省时的炼丹之路。
Name： YOLOv1：You Only Look Once: Unified, Real-Time Object Detection
Author： Joseph Redmon
Publiced： 2016-05-09
YOLOv1细节
1. YOLOv1网络框架
2. Grid cell
输入图片划分为（7 x 7）个grid cell，每个grid cell预测 B = 2 个框，则总共预测（7 x 7 x 2）= 98 个框。每个grid cell预测一组条件类别概率(即置信度)，即20个类别的条件概率，对2个框进行置信度计算，最终找出置信度最大的类别(即最粗的预测框)。
也对应下文（7 x 7 x 30）output的由来，20 classes + 2 x Box(x， y， w， h， 置信度值) = 30。
3. (7 X 7 X 30)输出的由来
（7 x 7）是grid cell，30包括（2 x Box）和20个classes，每个Box包括5个参数（x， y， w， h， 置信度值）。
4. 条件概率最高的类别所占有的框
如图所示，展示了条件概率最高的类别所占有的框。每一个grid cell 只能有一个类别，如紫色部分是Bicycle条件概率最高所占有的grid cell，绿色部分是Bicycle条件概率最高所占有的grid cell。
5. 预测后处理
后处理阶段： 置信度过滤 ----> 非极大值抑制NMS。后处理就是把纷繁复杂的98个预测框进行筛选过滤，把重复的预测框只保留一个，最终获得目标检测的结果。它包含把低置信度的框过滤掉，以及把重复的框过滤掉只保留一个框，这个步骤称为非极大值抑制NMS。
- (7 x 7 x 30)中30所代表的含义
(7 x 7 x 30)中30所代表的含义： 前两个5代表 2个bbox 的维度，即(x, y, w, h, c)，后边20代表20个类别的条件概率。
- NMS工作原理
NMS工作流程： 将class：dog的条件概率从大到小排序，然后将置信度最大的点设置为基点，从第二个到最后一个依次轮流和基点对比，如果二者重合度超过之前设定的 IoU 阈值，即认为这两个框预测了同一个目标，将置信度小的条件概率置为0，如果两个框交并比没有超过Iou阈值，则保留。然后依序设置第二个不为0的条件概率点为基点，重复上述过程。最后得到低于 Iou 阈值(即认为预测框不重复)的框，就获得了最终目标检测结果。
【注】： NMS只应用与预测阶段，在训练阶段是不能用NMS的。因为在训练阶段的每一个框都需要在损失函数中起到作用，因此不需要用NMS把框的条件概率置0。
YOLOv1论文精读（部分截图）
1. YOLOv1损失函数
2. Dropout 防止过拟合
3. 论文笔记截图
