- YOLOv1算法简介
是继RCNN，Fast-RCNN和Faster-RCNN之后，对DL目标检测速度问题提出的另外一种框架。使用深度神经网络进行对象的位置检测以及分类，
主要特点是速度快，准确率高，采用直接预测目标对象的边界框的方法，将候选区和对象识别两个阶段合二为一。
yolov1将原始图片分割成互不重合的小方块，（也就是将图像分成S x S个网格），然后通过卷积最后生产这样大小的特征图，基于上面的分析，
可以认为特征图的每个元素也是对应原始图片的小方块，然后利用每个元素来可以预测那些中心点在改小方格的目标
yolo是将物体检测任务当做回归问题来做
论文下载：http://arxiv.org/abs/1506.02640 代码下载：https://github.com/pjreddie/darknet
- YOlOv1的算法原理
如图所示，分成7*7个小格子，每个格子预测两个bounding box，
每个bonding box除了要回归自身的位置（ (x, y, w, h) 和 confidence 共5个值）之外，还要附带预测一个confidence值（置信度）
如果一个目标的中心落入一个网格单元中，该网格单元负责检测 该目标。
对每一个切割的小单元格预测（置信度，边界框的位置），每个bounding box需要4个数值来表示其位置，
(Center_x,Center_y,width,height)，即(bounding box的中心点的x坐标，y坐标，bounding box的宽度，高度)，
也就是要预测 (x, y, w, h) 和 confidence 共5个值，每个网格还要预测一个类别信息，记为 C 类。则 SxS个 网格，
每个网格要预测 B 个 bounding box 还要预测 C 个 categories。
输出就是 S x S x (5*B+C) 的一个 tensor。
置信度定义为是否存在目标与iou值的乘积 
注意：class 信息是针对每个网格的，confidence 信息是针对每个 bounding box 的。
举例说明: 在 PASCAL VOC 中，图像输入为 448x448，取 S=7，B=2，一共有20 个类别（C=20），则输出就是 7x7x30 的一个 tensor。
算法流程
1、将图像resize到448 * 448作为神经网络的输入
2、运行神经网络，得到一些bounding box坐标、box中包含物体的置信度和class probabilities
3、进行非极大值抑制，筛选Boxes
算法结构
网络方面主要采用GoogLeNet，（YOLO未使用inception module,而是采用1*1卷积层，为了跨通道信息整合+3*3卷积层简单代替）
包含24个卷积层和2个全连接层，卷积层主要用来提取图像特征，全连接层主要用来预测图像位置和类别概率，
最后输出是7*7*30（30是5*2+20），7*7就是切分的网格（grid cell）的数量，可能对于inception的改动，最后几层全连接的改动，
重点在于最后一层的输出是7*7*30
输入图像分辨率为448*448，所有预测结果归一化0~1，使用Leaky Relu作为激活函数，第一个全连接层后面接了一个ratio=0.5的Dropout层
参考链接 ：http://www.imooc.com/article/36391
直接把训练好的YOLO网络模型输入一张图片，得到一个7*7*30的结果向量，通过NMS（非极大值抑制）来选择最终的结果；
NMS就是通过打分来选出最好的结果，与这个结果重叠的对象去掉，是一个不断迭代的过程。
score = 某个对象的概率 * 置信度
所以对于每个网格有20*2个得分，每个对象有49*2个得分；这里的2是bounding box的个数；
具体的过程是：
1，设置一个分数阈值，低于的直接置为0；
2，遍历对于每个对象：
选出分数最高的那个及其bounding box放到输出列表中；
将其他的与上面选出的分数最高的那个计算IOU，设置一个阈值，大于阈值的表示重叠度较高，把分数置为0；
如果所有的bounding box都在输出列表中或者分数为0，那么这个对象的NMS就结束
对接下来的对象执行此过程
3.得出输出结果；
算法优点
1、YOLO检测物体非常快
2、YOLO可以很好的区分背景与物体，不像其他物体检测使用滑窗或者region proposal,分类器只能得到局部图像的局部信息，
YOLO在训练和测试时都能看到一整张图像的信息，因此YOLO在检测物体时能很好的利用上下文信息，从而不容易背景上预测储错误的物体信息。
和Fast-RCNN相比，YOLO的背景错误不到Fast-RCNN的一半
3、YOLO具有高度泛化能力，因此应用新领域或碰到意外的的输入时不太可能出现故障
算法缺点
1、位置精确性差，容易产生物体的定位错误，输入尺寸固定
2、对相互靠的很近的物体，对于小目标物体，很小的群体检测效果不好
3、YOLO虽然可以降低将背景检测为物体的概率，但同时导致召回率较低
参考博客：
https://blog.csdn.net/duanyajun987/article/details/81940284
http://www.imooc.com/article/36391
https://www.cnblogs.com/ywheunji/p/10761239.html