YOLOv1检测原理：
一张图输入给网络，最后会输出一个7×7×30的特征图。
其中7×7是原图448×448经过了64倍降采样得到。
30是指：2×5+10 ，每个网格（grid cell）会预测出：两个bbox（bounding box）和 20位的类别。每个bounding box包含了 cx、cy、w、h、c。
Yolov1的核心思想是：
逐网格找东西，将原来448×448的图划分为7×7。YOLOv1通过这些网格来找物体的中心坐标和类别，每个网格会输出B个bbox和C个类别的置信度，每个bbox会包含5个参数（置信度+框的坐标位置 ）。故每个网格会输出5B+C个预测参数。因此网络最后会输出一个S×S×（5B+C）的图片。其中S = 输入图像尺寸/网络的最大stride，原文中为S = 7 = 448 / 64。
YOLOv1整体工作流程:
【插入图片】
经过了最后的全连接层后会输出一个S×S×（5B+C）大小的向量，随后resize成一个S×S×（5B+C）大小的特征图。
YOLOv1的输出一共包含三个部分：objectness、class、box
objectness：框的置信度，表征网格是否有物体
class：类别预测
box：边界框