Abstract
在《基于深度学习的目标检测思路》中，提到了可以用滑动窗口的思路来做目标检测。除了滑动窗口，还有其他的目标检测算法吗？
目标检测介绍
传统的目标检测算法，都是基于滑动窗口，训练模型的，如下图所示。
该方法对目标的标注，需要标注目标的位置、大小、类型等信息，标注成本是很高的。但是，做目标检测是少不了这个标注工作的。
这种传统的滑动窗口目标检测方法，最大的缺点是： 窗口大小不固定，需要动态改变窗口做多次训练、预测操作，这对模型的训练是非常耗时的。
有没有办法针对一幅图像，只做一次训练呢？这就是YOLO算法要解决的问题。
YOLO算法
YOLO算法的做法，是用一个MxN的网格覆盖在原图上，并对各个小网格的内容进行标注。如下图所示，我们这里假设图像是100x100x3的彩色图像，网格是3x3的，但实际使用过程中，网格会更密。
网格覆盖原图后，就对每个小网格的内容进行标注，需要标注如下信息
- pc：小网格内是否有目标物体的中心点，注意是根据中心点进行标注，横跨多个网格的物体也只标注有中心点存在的网格。
- bx,by,bh,bw：目标物体中心点在网格中的x-y坐标，以及目标物体的长、宽。一般将小网格长宽取1后进行标注，这样位置坐标都被转化为0~1之间的数值。
- c1，c2，c3：类别，这里假设分三类。
可见，每个小网格需要标注8个Y值。如图3x3的网格，需要标注3x3x8个输出值。标注中有一个小技巧，就是尽量将Y值转化为0~1之间的数值。
最终训练模型时，一幅图像，只需要训练一次：
- 输入：100x100x3
- 输出：3x3x8
所以YOLO算法的效率很高，可以做到实时检测。
YOLO算法实例
可以在这里（https://pjreddie.com/darknet/yolo/）看到YOLO算法做视频物体检测的效果，也能看到很多YOLO网格的设置。github上（https://github.com/pjreddie/darknet/wiki/YOLO:-Real-Time-Object-Detection）也有一个用神经网络框架darknet实现的YOLO算法实例。当然了，也少不了tensorflow的版本（https://github.com/gliese581gg/YOLO_tensorflow）。
参考
本文图片取自AndrewNG的Deep Learning课程，在此表示感谢！